Untersuchung der Einschränkungen der kNN-Erkennung und -Wiederherstellung von verrauschten Merkmalen für selbstfahrende Labors

Zusammenfassung Selbstfahrende Labore (SDLs) haben sich als vielversprechend erwiesen, um die Materialentdeckung zu beschleunigen, indem sie maschinelles Lernen mit automatisierten Experimentierplattformen integrieren. Fehler bei der Erfassung von Eingabeparameter können jedoch die Merkmale, die zur Modellierung der Systemleistung verwendet werden, beeinträchtigen und die aktuellen und zukünftigen Kampagnen gefährden. Diese Studie entwickelt einen automatisierten Workflow, um systematisch verrauschte Merkmale zu erkennen, die Paarungen von Proben und Merkmalen zu bestimmen, die korrigiert werden können, und schließlich die richtigen Merkmalswerte wiederherzustellen. Anschließend wird eine systematische Untersuchung durchgeführt, um zu prüfen, wie die Größe des Datensatzes, die Intensität des Rauschens, die Rauschart und die Verteilung der Merkmalswerte sowohl die Nachweisbarkeit als auch die Wiederherstellbarkeit von verrauschten Merkmalen sowohl bei Dichtefunktionaltheorie- als auch bei SDL-Datensätzen beeinflussen. Allgemein sind hochgradiges Rauschen und große Trainingsdatensätze förderlich für die Erkennung und Korrektur von verrauschten Merkmalen. Niedriggradiges Rauschen verringert die Genauigkeit von Erkennung und Wiederherstellung, kann jedoch durch größere saubere Trainingsdatensätze kompensiert werden. Die Ergebnisse von Erkennung und Korrektur variieren zwischen den Merkmalen, wobei kontinuierliche und verteilte Merkmalsverteilungen eine größere Wiederherstellbarkeit im Vergleich zu Merkmalen mit diskreten oder engen Verteilungen zeigen. Diese systematische Studie demonstriert nicht nur einen modellunabhängigen Rahmen für eine rationale Datenwiederherstellung im Beisein von Rauschen, begrenzten Daten und unterschiedlichen Merkmalsverteilungen, sondern bietet auch einen greifbaren Benchmark der k-nächsten Nachbarn Imputationsmethode in Materialdatensätzen. Letztendlich zielt sie darauf ab, die Datenqualität und experimentelle Präzision bei der automatisierten Materialentdeckung zu verbessern.