4-16、实验设计加速材料研发：选择有效的实验

Accelerated search for materials with targeted properties: selecting the selectors

薛德祯^*，丁向东，袁瑞豪，田原

金属材料强度国家重点实验室，西安交通大学

摘要：机器学习技术被认为可以从大量材料科学的数据中通过算法搜索隐藏于其中的重要信息，甚至是物理规律。在机器学习能够预测材料性能的基础上，选择带有最大信息量的候选材料进行实验，进而反馈提高机器学习模型，通过少量的迭代循环，有望实现对材料目标性能的快速优化。区别于以往以预测结果为导向的实验设计，利用预测结果的不确定性（uncertainty）进行实验设计，特别是平衡考虑预测值与不确定性的策略在材料开发中更加高效。有效的实验设计结合机器学习有望被广泛应用于新材料的快速研发过程中。

关键词：机器学习，主动学习，实验设计

通讯作者：薛德祯，电话：18182416509，Email: xuedezhen@xjtu.edu.cn

DOI:10.12110/secondfmge.20181014.416