Последние достижения и применения машинного обучения в физике и материаловедении твёрдого тела

Одним из наиболее перспективных инструментов, вошедших в арсенал материаловедения в последние годы, является машинное обучение. Этот комплекс статистических методов уже продемонстрировал способность существенно ускорять как фундаментальные, так и прикладные исследования. В настоящее время наблюдается стремительный рост работ, посвящённых разработке и применению машинного обучения к системам твёрдого тела. Мы представляем всесторонний обзор и анализ наиболее современных исследований в этой области. Сначала рассматриваются принципы, алгоритмы, дескрипторы и базы данных машинного обучения в материаловедении. Затем описываются различные подходы машинного обучения к открытию стабильных материалов и прогнозированию их кристаллических структур. Далее обсуждаются исследования многочисленных количественных зависимостей «структура—свойство» и различные подходы к замене первопринципных методов методами машинного обучения. Рассматривается применение активного обучения и оптимизации на основе суррогатных моделей для совершенствования процесса рационального проектирования, а также соответствующие примеры. Двумя ключевыми вопросами являются интерпретируемость моделей машинного обучения и физическое понимание, получаемое с их помощью. Поэтому мы рассматриваем различные аспекты интерпретируемости и их значение для материаловедения. Наконец, мы предлагаем решения и перспективные направления дальнейших исследований для различных задач вычислительного материаловедения.