Bias free multiobjective active learning for materials design and discovery.
Bias free multiobjective active learning for materials design and discovery.
复制标题
材料设计和发现的无偏见多目标主动学习。
DOI：
10.1038/s41467-021-22437-0
复制
发表时间：
2021-04-19
影响因子：
16.6
通讯作者：
Yoo B
中科院分区：
文献类型：
--
作者：
Jablonka KM;Jothiappan GM;Wang S;Smit B;Yoo B
材料的设计规则对于具有单一目标的应用是明确的。然而，对于大多数应用程序，通常有多个，有时竞争的目标，其中没有单一的最佳材料和设计规则的变化，以寻找帕累托最优材料的集合。在这项工作中，我们利用主动学习算法，直接使用的帕累托优势关系计算的帕累托最优材料与理想的精度。我们将我们的算法应用到从头聚合物设计中，搜索空间非常大。使用分子模拟，我们计算分散剂应用的关键描述符，并大大减少了需要评估的材料数量，以重建帕累托前沿所需的信心。这项工作展示了如何将模拟和机器学习技术结合起来，以发现设计空间中的材料，这些材料使用传统的筛选方法是难以处理的。在多目标优化问题中确定最佳材料是新材料设计方法的一个挑战。在这里，作者开发了一种主动学习算法来优化帕累托最优解，成功地应用于基于分散剂的应用程序的计算机聚合物设计。
The design rules for materials are clear for applications with a single objective. For most applications, however, there are often multiple, sometimes competing objectives where there is no single best material and the design rules change to finding the set of Pareto optimal materials. In this work, we leverage an active learning algorithm that directly uses the Pareto dominance relation to compute the set of Pareto optimal materials with desirable accuracy. We apply our algorithm to de novo polymer design with a prohibitively large search space. Using molecular simulations, we compute key descriptors for dispersant applications and drastically reduce the number of materials that need to be evaluated to reconstruct the Pareto front with a desired confidence. This work showcases how simulation and machine learning techniques can be coupled to discover materials within a design space that would be intractable using conventional screening approaches. Identifying optimal materials in multiobjective optimization problems represents a challenge for new materials design approaches. Here the authors develop an active-learning algorithm to optimize the Pareto-optimal solutions successfully applied to the in silico polymer design for a dispersant-based application.
登录
查看更多内容
影响因子：
64.8
作者：
Harris CR;Millman KJ;van der Walt SJ;Gommers R;Virtanen P;Cournapeau D;Wieser E;Taylor J;Berg S;Smith NJ;Kern R;Picus M;Hoyer S;van Kerkwijk MH;Brett M;Haldane A;Del Río JF;Wiebe M;Peterson P;Gérard-Marchant P;Sheppard K;Reddy T;Weckesser W;Abbasi H;Gohlke C;Oliphant TE
通讯作者：
Oliphant TE
影响因子：
4.6
作者：
Dunstan, Dave E.
通讯作者：
Dunstan, Dave E.
影响因子：
5.5
作者：
Khadilkar, Mihir R.;Paradiso, Sean;Fredrickson, Glenn H.
通讯作者：
Fredrickson, Glenn H.
影响因子：
2.5
作者：
KENNARD, RW;STONE, LA
通讯作者：
STONE, LA
影响因子：
8.4
作者：
Griffiths, Ryan-Rhys;Hernandez-Lobato, Jose Miguel
通讯作者：
Hernandez-Lobato, Jose Miguel