.png){kind=icon}
返回
Sample-efficient active learning for materials informatics using integrated posterior variance
.png){kind=icon}
OA
AI
DOI：10.1016/j.commatsci.2026.114551.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 活动学习 - 将综合后验方差（IPV）与随机采样、逐点不确定性采样和委员会查询进行比较。
• 多数据集评估 - 在三个多样化数据集上进行基准测试：AutoAM、热电（Thermoelectric）和NMR。
• 性能提升 - IPV始终选择能够减少预测误差的候选样本，且所需的标记样本数量少于其他选择策略。
• 局限性 - （1）计算开销随数据集规模增长；（2）在距离度量退化的高维空间中，有效性下降。
• 实际影响 - 实现了战略实验选择，可减少材料发现工作流所需的实验数量。
Keyword:
Machine learning
Artificial intelligence
Active learning
Materials science
Uncertainty
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.3
论文数:
1.4W
被引数:
3.6W
机构
引用论文
An active machine learning approach for optimal design of magnesium alloys using Bayesian optimisation.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏A machine learning-based alloy design system to facilitate the rational design of high entropy alloys with enhanced hardness基于机器学习的合金设计系统，可促进具有增强硬度的高熵合金的合理设计ACTA MATERIALIA
ACTA MATERIALIAIF9.3
PREAI
分享收藏Optimization of direct extrusion process for Nd-Fe-B magnets using active learning assisted by machine learning and Bayesian optimizationSCRIPTA MATERIALIAOAAI
SCRIPTA MATERIALIAIF5.6
OAAI分享收藏Capturing local compositional fluctuations in NMR modelling of solid solutions在固体溶液的NMR建模中捕捉局部组成波动Chem. Sci.OAAI
Chem. Sci.IF7.4
OAAI分享收藏Anthropogenic biases in chemical reaction data hinder exploratory inorganic synthesis化学反应数据中的人为偏见阻碍了探索性无机合成Nature
NatureIF0
PREAI
分享收藏分享收藏
查看更多内容