[论文解读] Data-driven active learning approaches for accelerating materials discovery

Jiaxin Chen, Tianjiao Wan+11 more|arXiv (Cornell University)|Jan 11, 2026

Machine Learning in Materials Science被引用 1

一句话总结

对主动学习（AL）方法的全面评估——传统与基于深度学习的方法，在仿真、设计、优化和自主实验室中提高数据效率、加速材料发现的能力。

ABSTRACT

Materials discovery is a cornerstone of modern technological advancement, yet it remains constrained by traditional trial-and-error paradigms and the inherent bias of human intuition. Artificial intelligence (AI) has emerged as a transformative tool in materials science by effectively modeling structure-property relationships. Despite substantial efforts to enhance model expressiveness, data efficiency remains an equally critical challenge, given the limited availability of experimental and computational resources. Active learning (AL), as a data-driven machine learning paradigm, has shown great promise for discovering novel materials and enabling the efficient navigation of vast materials spaces. In this review, we follow the evolution of sampling strategy design techniques in AL, from Bayesian optimization to advanced deep learning-based strategies. We then highlight how AL enhances data efficiency across various data regimes, ranging from task-specific settings with limited data to the development of general-purpose datasets and large-scale models. We further provide a systematic overview of AL applications throughout the materials research pipeline, including computational simulation, composition and structural design, process optimization, and self-driving laboratory systems. Finally, we pinpoint key challenges and future perspectives of AL in materials discovery.

研究动机与目标

• 在昂贵的实验和仿真压力下，激发对数据高效AI在材料发现中的需求。
• 综述在大材料空间中高效导航的经典与深度主动学习方法。
• 解释AL如何与材料研究流程（包括仿真、设计和自驱动实验室）整合。
• 识别材料科学领域鲁棒、可扩展AL工具的挑战与未来方向。

提出的方法

• 将AL范式分类为流式、池化和成员查询综合，并讨论它们与材料研究的相关性。
• 回顾传统AL方法（高斯过程、随机森林、支持向量机）及核心获取函数（EI、PI、UCB/LCB），并结合领域特定特征。
• 描述深度主动学习（DAL），包括深核学习、贝叶斯神经网络、蒙特卡罗 dropout及DL场景下的多保真MOBO。
• 讨论基于不确定性、基于分布和基于效用的采样，以及平衡探索、多样性和开发利用的混合策略。
• 解释AL在材料研究流程及自驱动实验室情境中的应用。

实验结果

研究问题

• RQ1 在标签资源有限的情况下，主动学习如何提高材料发现的数据效率？
• RQ2 在不同数据情境和材料设计任务中，哪些传统与深度的AL策略最有效？
• RQ3 AL方法如何与计算仿真、成分/结构设计、工艺优化和自治实验室结合？
• RQ4 在材料科学中，AL面临的关键挑战（冷启动、分布偏移、鲁棒性）及未来方向是什么？

主要发现

• AL在数据效率和对庞大材料空间的探索方面显著优于穷举评估。
• 贝叶斯优化、基于不确定性、基于分布和基于效用的方法各自具备互补优势，可混合以实现稳健性能。
• 深度主动学习通过深核学习、贝叶斯神经网络、集合学习和证据型DL，将AL扩展到DL模型中，实现不确定性量化。
• AL在计算仿真、成分/结构设计、过程优化和自驱动实验室系统等方面具有广泛应用。
• 挑战包括鲁棒性、可扩展性，以及在材料场景中对AL工具的评估。