材料发现ImageNet时刻-机器学习稳定晶体 | Nature Machine Intelligence

本文介绍了剑桥大学和劳伦斯伯克利国家实验室的研究团队在Nature Machine Intelligence上发表的一项研究，提出了Matbench Discovery框架，用于评估机器学习模型在预测晶体稳定性方面的性能。该研究解决了材料发现中模型评估的长期难题，并测试了13种主流机器学习模型，包括图神经网络和随机森林等。研究发现，通用原子间势（UIP）模型在稳定性分类任务中表现最优，其发现稳定材料的效率比随机筛选高5倍以上，为高通量材料筛选提供了新范式。研究还强调了回归指标与分类指标之间的不一致性，并发布了Python包以支持未来的模型提交和性能评估。