XenonPy.MDL:Et omfattende bibliotek af fortrænede modeller til materialeegenskaber
Termofysiske egenskaber (dvs. termisk ledningsevne) af polymerer forudsagt af transfer learning (TL). Den fælles forskergruppe lykkedes med at konstruere en maskinlæringsmodel, der er i stand til ekstrapolativ forudsigelse af tre nye polymerer, der lå langt ude i træningsdatadistributionen (Yamada, Liu og andre; ACS Central Science 2019). Dette blev opnået ved at udsætte fortrænede modeller (f.eks. modeller af glasovergangstemperaturer for polymerer og af små molekylers specifikke varmekapacitet) i XenonPy.MDL-biblioteket til at overføre læring ved hjælp af kun 19 sæt træningsdata om polymerers termiske ledningsevne. Kredit:Ryo Yoshida
En fælles forskergruppe bestående af Institute of Statistical Mathematics (ISM) og National Institute for Materials Science (NIMS) har udviklet cirka 140, 000 maskinlæringsmodeller, der er i stand til at forudsige 45 forskellige typer fysiske egenskaber i små molekyler, polymerer og uorganiske materialer. Den fælles gruppe gjorde derefter XenonPy.MDL - et foruddannet modelbibliotek - offentligt tilgængeligt.
XenonPy – en open source-platform for materialeinformatik (MI) forskning – blev udviklet i fællesskab af NIMS og et team på ISM Data Science Center for Creative Design and Manufacturing. XenonPy bruger maskinlæringsalgoritmer til at udføre forskellige MI-opgaver. Brugere af XenonPy kan køre de fortrænede modeller, der er tilgængelige i XenonPy.MDL-biblioteket via applikationsprogrammeringsgrænsefladen (API) og bruge dem til at konstruere en række forskellige materialedesign-workflows. Den fælles gruppe rapporterede for nylig udgivelsen af XenonPy.MDL i en forskningsartikel offentliggjort i ACS Central Science , et tidsskrift fra American Chemical Society.
Ud over, som beskrevet i artiklen, det lykkedes gruppen at demonstrere det store potentiale i transfer learning til at overvinde problemet med begrænsede mængder materialedata i forskellige MI-opgaver, for eksempel, forudsige de fysiske egenskaber af små molekyler, polymerer og uorganiske krystallinske materialer ved brug af yderst begrænsede materialedata.
Varme artikler
-
Forskere udvikler nye, lavprisværktøj til påvisning af bakterier i mad og vandKredit:University of Massachusetts Amherst Fødevareforsker Lili He og kolleger ved University of Massachusetts Amherst rapporterer, at de har udviklet en ny, hurtig og billig metode til påvisning -
Molekyler fra modermælk og tang foreslår strategier til bekæmpelse af norovirusNorovirus. Kredit:CDC Norovirus er den mest almindelige årsag til gastroenteritis på verdensplan; det forårsager titusindvis af dødsfald hvert år og er særligt risikabelt for børn under 3 år. Hvis -
Hvorfor er sukrose et ikke-reducerende sukker?Du kan bruge sukker dagligt ved at tilføje det til dine opskrifter og varme drikke for at gøre dem sødere, men der er meget mere ved dette hvide stof end dets søde smag. Derudover har ikke alle suk -
Gennembrud til sporing af RNA med fluorescensKredit:Chalmers University of Technology Forskere ved Chalmers University of Technology, Sverige, det er lykkedes at udvikle en metode til mærkning af mRNA -molekyler, og derved følge, i realtid,
- Ekstraplanar diffus ioniseret gas opdaget i en nærliggende galakse
- Forstå langsigtede tendenser inden for havlag
- Citron Batteri Information
- Deuteron-lignende tunge dibaryoner - et skridt mod at finde eksotiske kerner
- Computerteoretikere viser vejen til at verificere, at kvante slår klassisk
- Afbrydelse slår Google Kalender ud på stationære computere