.png){kind=icon}
返回
SemiConLens: Visual Analytics for 2D Semiconductor Discovery
.png){kind=icon}
PRE
AI
DOI：10.1111/cgf.70455.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近几年来，学术界和工业界在发现新型二维（2D）半导体材料方面取得了显著进展，这得益于它们在解决因硅厚度减小而导致传统半导体性能严重退化方面的巨大潜力。然而，现有方法（如密度泛函理论（DFT）或基于机器学习的方法）面临着数据集小、可靠性和可信度等问题。为弥补这一差距，我们提出了SemiConLens，一种结合人类专业知识与机器学习能力的可视分析方案，以实现有效且可靠的二维半导体发现。具体而言，我们首先开发了一种新的相关性感知多元插补（CAMI）方法，并使用自动编码器等机器学习模型，这些模型能够更好地从有限数据中学习并揭示不确定性，以应对半导体预测中数据稀疏的挑战。在此基础上，我们的可视化模块包含三个具有链接交互的可视化视图，允许材料研究人员交互式地筛选、发现和比较二维半导体候选材料。我们提出了一种新颖的环形图符设计和一种新的聚类感知布局优化方法，以有效显示每个半导体候选材料的所有用户可配置关键属性和可能的预测不确定性，确保可靠的二维半导体发现。我们通过定量评估、专家访谈和用例来评估SemiConLens。结果表明，SemiConLens能够帮助材料研究人员有效发现理想的二维半导体材料。
Keyword:
CCS Concepts
• Human-centered computing → Visualization systems and tools
期刊
IF:
2.9
论文数:
571
被引数:
1.1W
机构
引用论文
分享收藏matExplorer: Visual Exploration on Predicting Ionic Conductivity for Solid-state ElectrolytesmatExplorer: 预测固态电解质离子电导率的视觉探索
PREAI
分享收藏Design of New Dispersants Using Machine Learning and Visual Analytics基于机器学习和可视分析的新型分散剂设计.png)
Polymers
PolymersIF0
PREAI
分享收藏A Grid-Based Method for Removing Overlaps of Dimensionality Reduction Scatterplot Layouts一种基于网格的方法，用于移除降维散点图布局的重叠
OAAI
OAAI分享收藏Accelerated discovery of stable lead-free hybrid organic-inorganic perovskites via machine learning通过机器学习加速发现稳定的无铅杂化有机-无机钙钛矿NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Commentary: The Materials Project: A materials genome approach to accelerating materials innovation评论: 材料项目: 加速材料创新的材料基因组方法APL MATERIALSOAAI
APL MATERIALSIF4.5
OAAI分享收藏A strategy to apply machine learning to small datasets in materials science将机器学习应用于材料科学中的小数据集的策略OAAI
OAAI分享收藏
查看更多内容