Дослідники показали, що моделі машинного навчання для матеріалознавства в окремих задачах можуть навчатися на наборах даних до ста разів менших і водночас зберігати високу точність

Фото: ChatGPT
Команди, які використовують обчислення для пошуку матеріалів, часто мають справу з мільйонами записів. Їх отримання може бути дорогим і тривалим, зокрема коли йдеться про квантово-механічні розрахунки електронної структури. Нове дослідження пропонує відбирати найбільш інформативні дані, а не автоматично збільшувати навчальну вибірку.
Звідки береться надлишок даних
Моделі для прогнозування властивостей матеріалів навчають на обчислювальних даних, отриманих за допомогою теорії функціоналу густини. Такі розрахунки дають змогу оцінювати електронні характеристики речовини, але потребують значних ресурсів. При цьому великий набір не обов’язково містить пропорційно більше нової інформації: у ньому можуть повторюватися схожі приклади.
Автори роботи пов’язують цю надлишковість із низькою внутрішньою розмірністю даних — тобто значна частина складних обчислювальних результатів фактично описується меншою кількістю незалежних закономірностей. Вони перевірили це на наборах електронно-структурних даних для різних матеріальних систем.
Читайте також: Як ШІ намагається завчасно виявляти небезпечні магнітні збурення
Як зменшували навчальні вибірки
Дослідники протестували стратегію відбору, що охоплює приклади з різними рівнями складності. Її завдання — прибрати повтори, але зберегти представлення всіх важливих типів матеріалів і поведінки моделі. У таких умовах алгоритм майже завжди зберігав хімічну точність прогнозів і здатність працювати на нових прикладах.
За результатами авторів, у деяких сценаріях розмір навчальних наборів можна було скоротити до двох порядків величини — приблизно у сто разів. Час тренування при цьому зменшувався щонайменше утричі. Це максимальні показники, а не універсальна гарантія для будь-якої речовини, задачі чи моделі: ефект залежить від структури даних та того, наскільки вдало відбирають приклади.
Що це може змінити для пошуку матеріалів
Економніше навчання може дати дослідникам змогу швидше перевіряти більше гіпотез і спрямовувати обчислювальні ресурси на ті структури, про які поки мало відомо. Це важливо для напрямів, де шукають матеріали з потрібними електричними, магнітними чи механічними властивостями.
Водночас робота не означає, що дослідники вже створили нову речовину або можуть повністю відмовитися від великих баз. Моделі мають узагальнювати дані за межами навчальної вибірки; якщо відбір пропустить рідкісний тип структури, точність на таких матеріалах може погіршитися. Автори окремо перевіряли переносимість результатів і підкреслюють, що скорочення набору має спиратися на його покриття, а не лише на випадкове видалення записів.
Найближча практична користь — зменшення вартості підготовки окремих моделей і швидше тестування нових комбінацій. Для лабораторного відкриття матеріалу все одно потрібні подальші розрахунки, синтез і експериментальна перевірка. ШІ може звузити коло кандидатів, але сам по собі не доводить, що передбачена структура реально відтворюється.
Дослідження опублікували в журналі npj Computational Materials. Редакція зазначає, що нині доступна прийнята версія статті, яку згодом замінять фінальним варіантом. Тож висновки стосуються конкретного методу та наборів електронної структури, які команда перевірила у своїй роботі.
Ознайомтеся з іншими популярними матеріалами:
Коли банк може списувати кошти з неактивної картки
Як цифровий гаманець випередив банківські рішення
Що відбувається з податковими боргами українського бізнесу
Джерело: npj Computational Materials.
