多样性感知主动学习构建材料数据集框架

2026年10月20日，arXiv Artificial Intelligence 刊出 Rafael Espinosa Castañeda 等作者的论文，提出并评估一种面向材料数据集构建的数据采集框架：将预测分歧与材料特征、预测结果或两者的多样性相结合。研究在四个 DFT 数据集和一个实验热电数据集上进行评估，其中 NSGA-II Dis. + diversity 框架在当前目标与未来目标之间取得最稳健平衡，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。作者据此认为，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。目前报道未提及该框架的适用材料范围、使用条件或收费安排。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。