arXiv Artificial Intelligence· Rafael Espinosa Casta\~neda, Ashley Dale, Hongchen Wang, Yonatan Kurniawan, Hao Wan, Runze Zhang, Adji Bousso Dieng, Kangming Li, Jason Hattrick-Simpers·· 3 小时前AI 评分31
多样性感知主动学习为当前与未来目标构建材料数据集
Diversity-Aware Active Learning Builds Materials Datasets for Current and Future Objectives
AI 导读
研究提出将预测分歧与材料特征、预测结果或两者的多样性相结合的采集框架，在四个 DFT 数据集和一个实验热电数据集上评估。其中 NSGA-II Dis. + diversity 框架在当前与未来目标间取得最稳健平衡，当前目标预测性能保持高于随机采样，同时缓解被排除属性的偏差，并在多数情况下优于随机采样。该框架为构建无偏材料数据集、缓解后续建模冷启动限制提供了实用路径。
来源：arXiv Artificial Intelligence · arxiv.org