尽管机器学习(ML)模型有望大大加快新材料的发现，但它们的性能往往还不足以得出可靠的结论。因此，改进的ML模型得到了积极的研究，但目前主要通过监测模型的平均测试误差来指导其设计。这可能使不同的模型无法区分，尽管它们的性能在不同的材料之间有很大的差异，或者它可能使一个模型看起来通常不够充分，而实际上它在特定的子领域中工作得很好。

近日，来自澳大利亚莫纳什大学、德国马普学会弗里茨哈伯研究所等单位的研究者，提出了一种基于子组发现的方法，用于检测材料类中模型的可应用性域。相关论文以题为“Identifyingdomainsofapplicabilityofmachinelearningmodelsformaterialsscience”发表在NatureCommunications上。

论文链接：

转载请注明:http://www.aideyishus.com/lktp/1360.html