テキストマイニングによる超合金データの自動化パイプライン

要約 データは機械学習の基盤を提供し、データ駆動型材料設計を加速させてきました。科学文献には大量の高品質かつ信頼性のあるデータが含まれており、文献からデータを自動的に抽出することは依然として課題です。我々は、化学組成と特性データの両方を捉える自然言語処理パイプラインを提案し、超合金の分析と予測を可能にします。3時間以内に、14,425件の記事から組成と特性の両方を持つ2,531件の記録が抽出され、γ′ソルバス温度、密度、固相および液相温度をカバーします。相対誤差0.81%以内で高γ′ソルバス温度を持つ未探索のコバ基超合金を予測するために、γ′ソルバス温度のデータ駆動型モデルが構築されます。3つの合金の合成と特性評価を通じて予測をテストします。オンラインオープンソースプラットフォームとしてのウェブベースのツールキットが提供され、文献から抽出したデータを使用して特定の材料を検索するための一般的な方法の基盤として機能することが期待されます。