[论文解读] SISSO: A Compressed-Sensing Method for Systematically Identifying Efficient Physical Models of Materials Properties

Runhai Ouyang|arXiv (Cornell University)|Oct 9, 2017

Machine Learning in Materials Science被引用 5

一句话总结

SISSO提出了一种基于压缩感知的方法，系统性地识别材料科学中的物理可解释描述符和预测模型。通过高效筛选高维、相关的特征空间，该方法识别出最小且最优的特征集合，从而实现对材料性质的精确、可解释的预测，包括成功复现压力诱导的金属-绝缘体转变，并预测了新的候选材料。

ABSTRACT

The lack of reliable methods for identifying $ extit{descriptors}$ $\unicode{x2014}$ the set of parameters capturing the underlying mechanism of a materials property $\unicode{x2014}$ is one of the factors hindering efficient materials development. Here, we propose a systematic approach for discovering physically interpretable descriptors and predictive models, within the framework of compressed-sensing based dimensional reduction. SISSO (sure independence screening and sparsifying operator) tackles immense and correlated features-spaces, and converges to the optimal solution from a combination of features relevant to the materials' property of interest. The methodology is benchmarked with the quantitative prediction of the ground-state enthalpies of octet binary materials (using $ extit{ab initio}$ data) and applied to the showcase example of predicting the metal-insulator classification (with experimental data). Accurate predictive models are found in both cases. For the metal-insulator classification model, the interpretability and predictive capability are tested beyond the training data: It perfectly rediscovers the available pressure-induced insulator$\unicode{8594}$metal transitions and it allows for the prediction of yet unknown transitions' candidates, ripe for experimental validation.

研究动机与目标

• 解决识别能够捕捉材料性质潜在机制的可靠、物理有意义描述符这一关键挑战。
• 克服材料科学中常见的高维、相关特征空间下传统描述符选择方法的局限性。
• 开发一种系统性、数据驱动的方法，在材料建模中平衡预测准确性与物理可解释性。
• 通过在未见现象（如压力诱导的相变）上验证模型，实现对训练数据之外的泛化。

提出的方法

• 应用模型筛选（SIS）根据与目标性质的相关性对初始高维特征空间进行排序和降维。
• 整合稀疏化算子，识别出能产生最预测性模型的最小、最优特征组合。
• 利用压缩感知原理求解欠定回归问题，确保解的稀疏性，同时保证准确性和可解释性。
• 通过选择能最大化预测性能同时最小化复杂度的特征，迭代优化模型。
• 利用$\ell_1$-正则化回归（Lasso）强制实现稀疏性，并在特征相关的情况下防止过拟合。
• 通过分布外泛化验证模型的鲁棒性和可解释性，包括对新型物理转变的预测。

实验结果

研究问题

• RQ1 是否存在一种系统性方法，能够识别出可解释的描述符，以准确预测八元组二元材料的基态生成焓？
• RQ2 该方法在未见物理现象（如压力诱导的金属-绝缘体转变）上的泛化能力如何？
• RQ3 模型的可解释性在多大程度上能够促进发现新的、实验可行的相变候选材料？
• RQ4 压缩感知能否有效处理材料特征空间中固有的高维性和相关性？
• RQ5 该方法在准确性和可解释性方面是否优于启发式或暴力搜索的描述符选择方法？

主要发现

• SISSO成功识别出一组最小且可解释的描述符，仅基于从头算数据即可准确预测八元组二元材料的基态生成焓。
• 金属-绝缘体分类模型在测试集中完美复现了已知的压力诱导绝缘体-金属转变。
• 在训练数据之外，该模型成功预测了新的、此前未知的压力诱导金属-绝缘体转变候选材料。
• 预测模型表现出强大的泛化能力，在分布外情形下仍保持高精度。
• 所识别的描述符具有物理可解释性，反映了材料行为的已知电子和结构原理。
• 该方法高效地导航了大规模且相关的特征空间，收敛至最优稀疏解，且未出现过拟合。