Mar, 2023
一种全面而多功能的多模态深度学习方法，用于预测先进材料的多种性质
A Comprehensive and Versatile Multimodal Deep Learning Approach for Predicting Diverse Properties of Advanced Materials
Shun Muroga, Yasuaki Miki, Kenji Hata
TL;DR通过融合物理属性和化学数据，我们提出了一个多模态深度学习框架，用于预测一种 10 维丙烯酸聚合物复合材料的物理特性。该框架可以处理 18 维的复杂性，成功预测了 114,210 种成分条件下的 913,680 个物性数据点。我们提出了一个分析高维信息空间以进行反向材料设计的框架，并展示了足够的数据可实现的材料类型和规模的灵活性和适应性。这项研究推动了未来对不同材料和更复杂模型的研究，并将我们更接近预测所有材料的所有属性的终极目标。