AI 优化遗传算法超参数以实现晶格材料设计

研究人员开发了一个多保真度框架，用于优化设计晶格材料的遗传算法 (GA) 超参数。该框架在贝叶斯优化方法中结合使用了高保真度快速傅里叶变换 (FFT) 均质化、中保真度 3D 卷积神经网络代理模型以及低保真度高斯过程代理模型。研究发现，logNEI 采集函数最有效，而惩罚性贝叶斯优化目标在性能略有下降的情况下减少了所需晶格的数量。该方法成功识别了超参数配置，以更少的 GA 代实现了相当的弹性模量值，并将总体计算成本降低了 24%。 AI

影响 这项研究展示了一种更有效的 AI 超参数调整方法，有望降低计算成本并加速复杂材料的设计过程。

排序理由 详细介绍超参数优化新方法的学术论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• 3D-convolutional neural network
• Bayesian optimization
• fast Fourier transform
• Gaussian process
• genetic algorithm
• logNEI

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →