文献

J-GLOBAL ID：201802279532461044   整理番号：18A1893972

機械学習は次の高温超伝導体を同定できるか?材料発見のための外挿性能の検討【JST・京大機械翻訳】

Can machine learning identify the next high-temperature superconductor? Examining extrapolation performance for materials discovery

著者 (12件)： Meredig Bryce (Citrine Informatics, USA. [e-mail]) ,  Antono Erin ,  Church Carena ,  Hutchinson Maxwell ,  Ling Julia ,  Paradiso Sean ,  Blaiszik Ben ,  Foster Ian ,  Gibbons Brenna ,  Hattrick-Simpers Jason ,  Mehta Apurva ,  Ward Logan
資料名： Molecular Systems Design & Engineering  (Molecular Systems Design & Engineering)
巻： 3  号： 5  ページ： 819-825  発行年： 2018年 
JST資料番号： W2468A  ISSN： 2058-9689  CODEN： MSDEBG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 従来の機械学習(ML)計量は,材料発見のためのモデル性能を過大評価する。(1)leave-one-cluout交差検証(LOCO CV)と(2)発見アプリケーションにおけるモデル性能が問題,データサンプリング,および外挿に強く依存することを示すための簡単な最近傍ベンチマークを導入した。著者らの結果はMLガイド反復実験がMLを有する高T_c超伝導体のようなブレークスルー材料を発見するための標準的なハイスループットスクリーニングよりも優れている可能性があることを示唆している。Copyright 2018 Royal Society of Chemistry All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 応用プログラム ,  *機械学習 ,  *超伝導体 ,  *高温超伝導体 ,  モデル ,  *外挿法 ,  ベンチマーク
準シソーラス用語： 再現実験 ,  データサンプリング , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  薬物学一般  (GV01010J)

タイトルに関連する用語 (5件)： 機械学習 ,  高温超伝導体 ,  同定 ,  発見 ,  外挿