재료 발견에서의 기계 학습: 확인된 예측과 그 기저 접근법

재료 발견을 위한 기계 학습(ML)에 대한 빠르게 증가하는 관심은 방대한 양의 출판 작업으로 이어졌습니다. 그러나 이러한 출판물 중에서 ML 예측의 확인은 실험이나 물리학 기반 시뮬레이션을 통해 이루어진 경우가 소량에 불과합니다. 본 리뷰에서는 먼저 훈련 데이터, ML 알고리즘의 선택, 모델 성능 측정 등 재료 정보학 발견 파이프라인에 공통된 핵심 요소를 식별합니다. 그 다음, 우리는 방법론적 고려사항 및 진전에 특히 주목하며 다양한 재료 클래스에 걸쳐 검증된 ML 기반 재료 발견의 저명한 사례를 논의합니다. 이러한 사례 연구를 통해 ML 모델에 정보를 제공하기 위한 도메인 지식 사용과 같은 여러 공통 주제를 확인합니다.