Эффективное машинное обучение: прогнозирование свойств материалов с ограниченными данными

Исследователи из IISc и Университетского колледжа Лондона разработали метод машинного обучения для прогнозирования свойств материалов с ограниченными данными. Они использовали трансферное обучение, предварительно обучив модель на большом наборе данных и адаптировав её к меньшему целевому набору. В новом исследовании команда создала модель на основе графовых нейронных сетей (GNN), работающих с трёхмерной кристаллической структурой материалов. Они определили оптимальную архитектуру и объём данных для обучения. Модель успешно прогнозировала свойства материалов, такие как диэлектрическая...