机构名称：
¥ 1.0
摘要 自主物理科学正在彻底改变材料科学。在这些系统中，机器学习以闭环方式控制实验设计、执行和分析。主动学习是机器学习领域中的最佳实验设计，它选择每个后续实验以最大限度地利用知识来实现用户目标。通过实施科学机器学习（也称为归纳偏置工程人工智能），可以进一步提高自主系统的性能，它将物理定律（例如吉布斯相律）的先验知识融入算法中。随着主动学习策略的数量、多样性和用途的增长，对现实世界参考数据集进行基准测试的必要性也随之增加。我们提供了一个参考数据集，并以各种获取函数的形式展示了它用于基准测试主动学习策略的用途。主动学习策略用于快速识别三元材料系统中具有最佳物理特性的材料。数据来自实际的 Fe-Co-Ni 薄膜库，包括先前获取的材料成分、X 射线衍射图以及磁矫顽力和克尔旋转这两个功能特性的实验数据。流行的主动学习方法以及最近的科学主动学习方法因其材料优化性能而受到基准测试。我们讨论了算法性能、材料搜索空间复杂度和先验知识的结合之间的关系。简介
对材料优化和发现的主动学习策略进行基准测试
主要关键词
相关文件推荐
