实体
Shaan Pakala
Shaan Pakala
PulseAugur coverage of Shaan Pakala — every cluster mentioning Shaan Pakala across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
张量补全加速材料科学中晶格结构设计
研究人员开发了一种新方法，使用张量补全作为代理模型来加速具有特定机械性能的最优晶格结构的设计。该方法解决了材料设计中的挑战，在这些挑战中，由于实验便利性，训练数据通常是非均匀采样的。实验表明，在有偏采样的情况下，张量补全的性能优于高斯过程和XGBoost等传统机器学习方法，R^2得分约高5%。该技术在跨设计空间的均匀随机采样方法方面也表现出相当的性能。
-
张量方法为材料设计提供可解释的人工智能
研究人员引入了张量补全方法作为材料设计的统一且可解释的方法，解决了传统机器学习模型的局限性。这些张量方法不仅在预测准确性上可与标准机器学习相媲美，而且提供了可解释的因素，可以揭示潜在的物理现象。实验表明，这些因素可以指导实验人员识别新颖的模式，并且专门的张量模型能够提高在非均匀采样数据上的泛化能力，优于基线机器学习方法。