Nov, 2023
机器学习预测全过程材料热导率
End-to-end Material Thermal Conductivity Prediction through Machine Learning
Yagyank Srivastava, Ankit Jain
TL;DR通过机器学习方法进行端到端基于结构的方法加速预测材料的导热性的研究，从而更有效地扩大已有数据集的规模。我们评估了目前最先进的机器学习模型在扩展数据集上对导热性预测的性能，并观察到所有这些模型都存在过拟合的问题。为了解决这个问题，我们引入了一种新颖的基于图的神经网络模型，它在所有评估的数据集上表现出更一致和规范化的性能。然而，测试数据集上达到的最佳平均绝对百分比误差仍然处于 50-60% 的范围内。这表明，虽然这些模型对于加速材料筛选是有价值的，但它们目前的准确性仍然有限。