来源:陈,C。左,Y。,你们,W。et al。学习从multi-fidelity数据属性的有序和无序材料。Nat第一版Sci1,46-53 (2021)。https://doi.org/10.1038/s43588 - 020 - 00002 - x
文摘:
“预测材料的性质的原子排列是材料科学的一个基本目标。虽然近年来出现了机器学习作为一种新的范式提供快速预测材料的属性,其实用性是有限的稀缺的高保真数据。在这里,我们开发multi-fidelity图网络作为一个通用的方法来实现准确的预测与小数据大小的材料属性。作为一个概念验证,我们表明,将低保真Perdew-Burke-Ernzerhof带隙大大提高了潜在的决议在材料图结构特点,导致22 - 45%减少实验带隙预测的平均绝对误差。我们进一步证明学习元素嵌入材料图网络提供一个自然模型方法障碍材料,解决基本的材料属性的计算预测差距。”
找到技术论文。
留下一个回复