[论文解读] Persistent homology advances interpretable machine learning for nanoporous materials.

Aditi S. Krishnapriyan, Joseph Montoya+2 more|arXiv (Cornell University)|Oct 1, 2020

Machine Learning in Materials Science参考文献 30被引用 4

一句话总结

本文提出利用持久同调（persistent homology）构建可解释的、通用的纳米多孔材料结构表征，以提升气体吸附预测的机器学习模型性能。通过将拓扑特征与化学嵌入（chemical embeddings）结合，该方法在提升模型准确率与跨不同目标的泛化能力的同时，实现了对结构-性能关系的孔级可解释性。

ABSTRACT

Machine learning for nanoporous materials design and discovery has emerged as a promising alternative to more time-consuming experiments and simulations. The challenge with this approach is the selection of features that enable universal and interpretable materials representations across multiple prediction tasks. We use persistent homology to construct holistic representations of the materials structure. We show that these representations can also be augmented with other generic features such as word embeddings from natural language processing to capture chemical information. We demonstrate our approach on multiple metal-organic framework datasets by predicting a variety of gas adsorption targets. Our results show considerable improvement in both accuracy and transferability across targets compared to models constructed from commonly used manually curated features. Persistent homology features allow us to locate the pores that correlate best to adsorption at different pressures, contributing to understanding atomic level structure-property relationships for materials design.

研究动机与目标

• 解决在纳米多孔材料设计中选择通用且可解释特征的挑战。
• 利用持久同调构建材料结构的综合性、拓扑感知表征。
• 提升模型在多个气体吸附预测任务中的性能与泛化能力。
• 通过将特定孔结构与不同压力下的吸附行为关联，实现原子级可解释性。

提出的方法

• 利用持久同调从纳米多孔材料结构中提取拓扑不变量，捕捉孔道连通性与空腔形态。
• 从持久同调的条形码（barcodes）构建特征向量，以机器学习可用的格式表示材料的拓扑结构。
• 通过自然语言处理中的词嵌入（word embeddings）增强拓扑特征，以编码化学组成与元素信息。
• 在金属有机框架（metal-organic framework）数据集上，使用混合特征表示训练监督式机器学习模型，以实现气体吸附预测。
• 通过特征重要性分析识别在不同压力下与吸附最相关的孔结构，实现可解释性。
• 在多个气体吸附目标上评估模型性能与泛化能力，并与使用人工筛选特征的模型进行对比。

实验结果

研究问题

• RQ1 持久同调能否在多样化预测任务中生成纳米多孔材料的通用且可解释的结构表征？
• RQ2 将拓扑特征与化学词嵌入结合，如何提升模型的准确率与泛化能力？
• RQ3 在不同压力下，哪些孔结构最能预测气体吸附？持久同调能否识别出这些结构？
• RQ4 与基于人工筛选特征的模型相比，该方法在准确率与泛化能力方面有多大的优势？
• RQ5 持久同调特征能否通过将特定拓扑特征与吸附机制关联，提升可解释性？

主要发现

• 基于持久同调的表征相比使用人工筛选特征的模型，显著提升了预测准确率。
• 该方法在多个气体吸附目标间表现出优异的泛化能力，表明其具有强鲁棒性。
• 拓扑特征使研究人员能够识别出在不同压力下与吸附最相关的特定孔结构，增强了可解释性。
• 通过引入化学词嵌入增强拓扑特征，进一步提升了模型性能。
• 该方法使研究人员能够定位并分析导致高吸附容量的原子级结构基元。
• 该方法提供了一个全面、可解释的材料设计框架，兼具高准确率与在多样化预测任务中的可迁移性。