Npj Comput. Mater.: 神经网络对分布外材料发现：打破实验与现实的边界

文章预览

海归学者发起的公益学术平台 分享信息，整合资源 交流学术，偶尔风月 在计算材料领域的实验中，研究者常常利用已知材料对模型进行训练和预测相关任务；但在材料的实际研究与发现中，通常期望能够预测或发现与已知材料不同的全新的材料。然而通过随即划分数据集来评估材料属性预测模型的传统方法难以实现这一目标，这就意味着当研究者利用机器学习或者深度学习进行材料属性预测时，需要关注到模型泛化能力，亦或是模型在不同分布的OOD集合上的表现。 Fig. 1 | The overall framework and workflow of our OOD materials benchmark. 本文介绍了一项基于结构的图神经网络（ GNN ）在外推 OOD 材料属性预测中的综合基准评测研究。我们针对 MatBench 研究中的三个基准数据集，提出了五种不同类别的 OOD ML 问题。我们的广泛实验表明，当前最先进的 GNN 算法在平均 ………………………………