国家材料科学研究所 能够提高预测精度的人工智能技术的发展
学分:田村亮,国家材料科学研究所 NIMS、旭化成、三菱化学、三井化学和住友化学利用化学材料开放平台框架开发了一种人工智能技术,能够提高基于机器学习的材料性能预测的准确性(例如
g
强度、脆性),通过有效利用仅从少量实验中获得的材料结构数据
这项技术可以加速各种材料的发展,包括聚合物
材料信息学研究利用机器学习模型,根据成分和加工参数(例如
g
温度和压力)
这种方法加速了材料的发展
当已知材料的物理性质受其后处理微观结构的强烈影响时,通过结合微观结构相关数据(例如
g
,X射线衍射(XRD)和差示扫描量热法(DSC)数据)
然而,这些类型的数据只能通过实际分析加工材料获得
除了这些分析之外,提高预测精度还需要预定的参数(例如
g
材料成分)
该研究小组开发了一种人工智能技术,能够首先选择有潜力的候选材料进行制造,然后使用仅从少量实际合成材料中获得的XRD、DSC和其他测量数据准确预测其物理性能
该技术使用贝叶斯优化和其他方法选择候选材料,并重复基于人工智能的选择过程,同时将测量数据纳入机器学习模型
为了验证这项技术的有效性,该小组用它来预测聚烯烃的物理性质
结果发现,与随机选择候选材料的方法相比,这种技术用更小的实际合成材料样本集提高了机器学习模型的材料特性预测精度
使用这种提高预测精度的技术可以更彻底地了解材料结构和物理性能之间的关系,这将有助于研究材料性能的根本原因和制定更有效的材料开发指南
此外,除了聚烯烃和其他聚合物之外,该技术有望应用于广泛材料的开发,从而促进材料开发的数字化转型(DX)
这项研究发表在网络版《先进材料科学与技术:方法》上
来源:由phyica.com整理转载自PH,转载请保留出处和链接!