日本筑波，30 年 2021 月 XNUMX 日 – (ACN Newswire) – 一种新方法可以训练机器学习模型，仅使用通过简单测量获得的数据来预测材料的特性，与目前使用的方法相比，可以节省时间和金钱。它是由日本国家材料科学研究所（NIMS）、旭化成公司、三菱化学公司、三井化学公司和住友化学公司的研究人员设计的，并在《先进材料科学与技术：方法》杂志上发表了报告。
 |
| 新方法可以使用 X 射线衍射等易于测量的实验数据来预测拉伸模量等难以测量的实验数据。它还有助于设计新材料或重新利用已知材料。 |
 |
NIMS 专门研究材料信息学领域的高级研究员 Ryo Tamura 解释道：“机器学习是一种强大的工具，可以预测制造具有特定性能的材料所需的元素组成和过程。”
为此目的，通常需要大量数据来训练机器学习模型。使用两种数据。可控描述符是无需制造材料即可选择的数据，例如化学元素和用于合成材料的过程。但无法控制的描述符，如X射线衍射数据，只能通过制造材料并对其进行实验来获得。
“我们开发了一种有效的实验设计方法，可以使用无法控制的描述符更准确地预测材料特性，”田村说。
该方法涉及检查可控描述符的数据集，以选择具有目标属性的最佳材料，以用于提高模型的准确性。在这种情况下，科学家们查询了包含 75 种聚丙烯的数据库，以选择具有特定机械性能的候选材料。
然后，他们选择了该材料并提取了一些不可控的描述符，例如其 X 射线衍射数据和机械性能。
该数据被添加到当前数据集中，以便更好地训练机器学习模型，该模型采用特殊算法仅使用不可控的描述符来预测材料的属性。
“我们的实验设计可用于使用易于测量的数据来预测难以测量的实验数据，从而加快我们设计新材料或重新利用已知材料的能力，同时降低成本，”田村说。该预测方法还可以帮助加深对材料结构如何影响特定性能的理解。
该团队目前正在与日本化学品制造商合作，进一步优化其方法。
更多信息
田村亮
国家材料科学研究所 (NIMS)
电子邮箱： tamura.ryo@nims.go.jp
关于先进材料科学与技术：方法（STAM方法）
STAM Methods 是先进材料科学与技术 (STAM) 的开放获取姊妹期刊，专注于改进和/或加速材料开发的新兴方法和工具，例如方法学、仪器、仪器、建模、高通量数据收集、材料/过程信息学、数据库和编程。 https://www.tandfonline.com/STAM-M
筱原义一博士
STAM 方法出版总监
电子邮箱： 筱原.吉和@nims.go.jp
亚洲先进材料科学与技术研究新闻发布的新闻稿。
主题：新闻发布摘要
Sumber: 先进材料科学与技术
部门： 科学与纳米技术
https://www.acnnewswire.com
来自亚洲企业新闻网
版权所有©2021 ACN Newswire。 版权所有。 亚洲企业新闻网的一个部门。
资料来源：https://www.acnnewswire.com/press-release/english/69945/
