MPpredictor: An Artificial Intelligence-Driven Web Tool for Composition-Based Material Property Prediction.
MPpredictor: An Artificial Intelligence-Driven Web Tool for Composition-Based Material Property Prediction.
复制标题
DOI：
10.1021/acs.jcim.3c00307
复制
发表时间：
2023-04-10
影响因子：
5.6
通讯作者：
Agrawal, Ankit
中科院分区：
文献类型：
--
作者：
Gupta, Vishu;Choudhary, Kamal;Mao, Yuwei;Wang, Kewei;Tavazza, Francesca;Campbell, Carelyn;Liao, Wei-keng;Choudhary, Alok;Agrawal, Ankit
人工智能、机器学习和深度学习技术在材料科学领域的应用正变得越来越普遍，因为它们具有从可用数据中提取和利用数据驱动信息的潜力，并加速材料发现和未来应用的设计。为了协助这一过程，我们根据材料的组成，部署了多种材料属性的预测模型。这里描述的深度学习模型是使用跨属性深度迁移学习技术构建的，该技术利用在大数据集上训练的源模型来在具有不同属性的小数据集上构建目标模型。我们将这些模型部署在一个在线软件工具中，该工具将许多材料成分作为输入，进行预处理以生成每种材料的基于成分的属性，并将其输入预测模型以获得多达41种不同的材料属性值。材料属性预测器可在线获得，网址为。
The applications of artificial intelligence, machine learning, and deep learning techniques in the field of materials science are becoming increasingly common due to their promising abilities to extract and utilize data-driven information from available data and accelerate materials discovery and design for future applications. In an attempt to assist with this process, we deploy predictive models for multiple material properties, given the composition of the material. The deep learning models described here are built using a cross-property deep transfer learning technique, which leverages source models trained on large data sets to build target models on small data sets with different properties. We deploy these models in an online software tool that takes a number of material compositions as input, performs preprocessing to generate composition-based attributes for each material, and feeds them into the predictive models to obtain up to 41 different material property values. The material property predictor is available online at .
登录
查看更多内容
影响因子：
4.6
作者：
Jha, Dipendra;Gupta, Vishu;Liao, Wei-keng;Choudhary, Alok;Agrawal, Ankit
通讯作者：
Agrawal, Ankit
影响因子：
6.1
作者：
Agrawal, Ankit;Choudhary, Alok
通讯作者：
Choudhary, Alok
影响因子：
4.6
作者：
Jha, Dipendra;Ward, Logan;Agrawal, Ankit
通讯作者：
Agrawal, Ankit
影响因子：
1.9
作者：
Agrawal, Ankit;Choudhary, Alok
通讯作者：
Choudhary, Alok
影响因子：
3.3
作者：
Agrawal, Ankit;Deshpande, Parijat D.;Kalidindi, Surya R.
通讯作者：
Kalidindi, Surya R.