ترجمه فارسی مقاله مدل های برون یابی ML برای کوپلیمرها

چکیده

Machine learning models have been progressively used for predicting materials properties. These models can be built using pre-existing data and are useful for rapidly screening the physicochemical space of a material, which is astronomically large. However, ML models are inherently interpolative, and their efficacy for searching candidates outside a material’s known range of property is unresolved. Moreover, the performance of an ML model is intricately connected to its learning strategy and the volume of training data. Here, we determine the relationship between the extrapolation ability of an ML model, the size and range of its training dataset, and its learning approach. We focus on a canonical problem of predicting the properties of a copolymer as a function of the sequence of its monomers. Tree search algorithms, which learn the similarity between polymer structures, are found to be inefficient for extrapolation. Conversely, the extrapolation capability of neural networks and XGBoost models, which attempt to learn the underlying functional correlation between the structure and property of polymers, show strong correlations with the volume and range of training data. These findings have important implications on ML-based new material development.

چکیده به فارسی (ترجمه ماشینی)

از مدل های یادگیری ماشین به تدریج برای پیش بینی خصوصیات مواد استفاده شده است.این مدل ها می توانند با استفاده از داده های از قبل موجود ساخته شوند و برای غربالگری سریع فضای فیزیکوشیمیایی یک ماده ، که از نظر نجومی بزرگ است ، مفید هستند.با این حال ، مدل های ML ذاتاً درون یابی هستند و اثربخشی آنها برای جستجوی نامزدها در خارج از محدوده شناخته شده از یک ماده ، حل نشده است.علاوه بر این ، عملکرد یک مدل ML به طور پیچیده ای به استراتژی یادگیری آن و حجم داده های آموزش مرتبط است.در اینجا ، ما رابطه بین توانایی برون یابی یک مدل ML ، اندازه و دامنه مجموعه داده های آموزشی آن و رویکرد یادگیری آن را تعیین می کنیم.ما بر روی یک مشکل متعارف پیش بینی خواص یک کوپلیمر به عنوان تابعی از توالی مونومرهای آن تمرکز می کنیم.الگوریتم های جستجوی درخت ، که شباهت بین ساختارهای پلیمری را می آموزند ، برای برون یابی ناکارآمد هستند.در مقابل ، قابلیت برون یابی شبکه های عصبی و مدل های XGBOOST ، که سعی در یادگیری همبستگی عملکردی اساسی بین ساختار و خاصیت پلیمرها دارند ، با حجم و طیف وسیعی از داده های آموزشی ، همبستگی قوی نشان می دهند.این یافته ها پیامدهای مهمی در توسعه مواد جدید مبتنی بر ML دارد.