[论文解读] An Investigation of Machine Learning Methods Applied to Structure Prediction in Condensed Matter

W. Brouwer, James D. Kubicki+2 more|arXiv (Cornell University)|May 14, 2014

Machine Learning in Materials Science参考文献 18被引用 8

一句话总结

本文研究了机器学习方法——特别是多支持向量回归（MSVR）和人工神经网络（ANNs）——从 47Ti 固体核磁共振（NMR）谱图中预测凝聚相材料中原子结构的性能。基于对 TiO2 的从头算 NMR 数据，研究结果表明主成分分析（PCA）将谱图维度降低了 90%以上，且两种机器学习模型在预测结构参数方面均表现出高精度，MSVR 与 ANNs 表现相当（O_x,y 坐标预测的均方根误差 < 0.08，晶胞参数预测的均方根误差 < 1.5）。

ABSTRACT

Materials characterization remains a significant, time-consuming undertaking. Generally speaking, spectroscopic techniques are used in conjunction with empirical and ab-initio calculations in order to elucidate structure. These experimental and computational methods typically require significant human input and interpretation, particularly with regards to novel materials. Recently, the application of data mining and machine learning to problems in material science have shown great promise in reducing this overhead. In the work presented here, several aspects of machine learning are explored with regards to characterizing a model material, titania, using solid-state Nuclear Magnetic Resonance (NMR). Specifically, a large dataset is generated, corresponding to NMR $^{47}$Ti spectra, using ab-initio calculations for generated TiO$_2$ structures. Principal Components Analysis (PCA) reveals that input spectra may be compressed by more than 90%, before being used for subsequent machine learning. Two key methods are used to learn the complex mapping between structural details and input NMR spectra, demonstrating excellent accuracy when presented with test sample spectra. This work compares Support Vector Regression (SVR) and Artificial Neural Networks (ANNs), as one step towards the construction of an expert system for solid state materials characterization.

研究动机与目标

• 通过机器学习减少在新型固态材料中进行结构表征所需的时间与人工投入。
• 开发一种数据驱动的方法，将 47Ti NMR 谱图映射到 TiO2（一种典型氧化物体系）的原子结构参数。
• 评估并比较 MSVR 与 ANNs 在学习 NMR 谱图与结构畸变之间复杂映射关系方面的性能。
• 为构建一个能够利用光谱数据对复杂氧化物实现快速、自动化结构解析的专家系统奠定基础。

提出的方法

• 利用从头算密度泛函理论（DFT）计算，为具有不同原子位置的 TiO2 结构生成大规模 47Ti NMR 谱图数据集。
• 应用主成分分析（PCA）压缩 NMR 谱图数据，在保留结构信息的同时将维度降低 90%以上。
• 在压缩后的谱图特征上训练多支持向量回归（MSVR）与人工神经网络（ANNs），以预测氧的分数坐标和晶胞参数等结构参数。
• 使用 10 折交叉验证评估模型性能，每折包含 450 个训练样本与 50 个测试样本。
• 对超参数（如 MSVR 的 epsilon = 0.2）进行优化，并使用均方根误差（RMSE）评估泛化误差。
• 利用化学位移和四极耦合常数等光谱参数作为输入，以增强结构敏感性。

实验结果

研究问题

• RQ1 机器学习模型能否从 47Ti NMR 谱图中准确预测凝聚相材料的原子结构参数？
• RQ2 PCA 在降低谱图维度时，是否能在不损失结构预测精度的前提下实现高效降维？
• RQ3 MSVR 与 ANNs 在学习从 NMR 谱图到原子坐标及晶胞参数的逆映射方面，性能表现如何？
• RQ4 机器学习在多大程度上可减少固态 NMR 解读中对人工模拟与拟合的依赖？
• RQ5 像四极耦合常数这样的光谱参数在捕捉结构细节方面存在哪些局限性，又该如何克服？

主要发现

• PCA 将 NMR 谱图数据的维度降低了 90%以上，实现了高效下游机器学习处理，且未造成显著信息损失。
• MSVR 在 Δ(O_x ≡ O_y) 上的 RMSE 为 0.0636，Δ(O_z) 上为 0.0455，Δ(a ≡ b) 上为 0.2430，Δ(c) 上为 1.0559，性能在各折之间略有差异。
• ANNs 表现相当，RMSE 值分别为 Δ(O_x ≡ O_y) 0.0615，Δ(O_z) 0.0399，Δ(a ≡ b) 0.2396，Δ(c) 1.1874，表明在测试数据上具有良好的泛化能力。
• MSVR 与 ANNs 均在预测结构畸变方面表现出高精度，多数情况下预测参数的相对误差低于 10%。
• 本研究证实，机器学习能够有效学习氧化物中 NMR 谱图与原子尺度结构特征之间的复杂非线性映射关系。
• 结果支持构建一个专家系统以实现对固态材料的快速、自动化结构表征，该系统利用光谱数据快速推断原子结构。