Совершенствование моделей машинного обучения в материаловедении с помощью больших наборов данных

Точность модели машинного обучения ограничивается качеством и объемом данных, доступных для ее обучения и валидации. Эта проблема особенно актуальна для материаловедения, где крупные, высококачественные и согласованные наборы данных встречаются редко. В настоящей работе представлена Alexandria — открытая база данных, содержащая более 5 миллионов расчетов в рамках теории функционала плотности для периодических трех-, двух- и одномерных соединений. Эти данные использованы для обучения моделей машинного обучения, воспроизводящих семь различных свойств, с применением как моделей на основе состава, так и нейронных сетей на основе кристаллических графов. В большинстве случаев ошибка моделей монотонно уменьшается с увеличением объема обучающих данных, хотя некоторые графовые сети, по-видимому, достигают насыщения при больших размерах обучающей выборки. Различия в эффективности обучения можно связать со статистическим распределением различных свойств. Мы также показываем, что графовые нейронные сети, использующие подробную геометрическую информацию, в целом обеспечивают более точные модели, чем простые методы на основе состава. Наконец, мы оцениваем несколько универсальных межатомных потенциалов машинного обучения. Кристаллические геометрии, оптимизированные с помощью этих силовых полей, имеют очень высокое качество, однако точность расчета энергий по-прежнему недостаточна. Кроме того, мы наблюдаем некоторые нестабильности в областях химического пространства, недостаточно представленных в обучающих наборах, использованных для построения этих моделей. Это исследование демонстрирует потенциал крупномасштабных высококачественных наборов данных для повышения качества моделей машинного обучения в материаловедении.