論文の概要: Explainable AI for Curie Temperature Prediction in Magnetic Materials

• arxiv url: http://arxiv.org/abs/2508.06996v1
• Date: Sat, 09 Aug 2025 14:13:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.646627
• Title: Explainable AI for Curie Temperature Prediction in Magnetic Materials
• Title（参考訳）: 磁性材料のキュリー温度予測のための説明可能なAI
• Authors: M. Adeel Ajaib, Fariha Nasir, Abdul Rehman,
• Abstract要約: NEMADデータベースを用いて,磁性材料のキュリー温度を予測する機械学習手法について検討する。 Extra Trees Regressorは、バランスの取れたデータセットに対して、最大0.85$pm$0.01のR2スコアに達する最高のパフォーマンスを提供します。
• 参考スコア（独自算出の注目度）: 0.2184775414778289
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We explore machine learning techniques for predicting Curie temperatures of magnetic materials using the NEMAD database. By augmenting the dataset with composition-based and domain-aware descriptors, we evaluate the performance of several machine learning models. We find that the Extra Trees Regressor delivers the best performance reaching an R^2 score of up to 0.85 $\pm$ 0.01 (cross-validated) for a balanced dataset. We employ the k-means clustering algorithm to gain insights into the performance of chemically distinct material groups. Furthermore, we perform the SHAP analysis to identify key physicochemical drivers of Curie behavior, such as average atomic number and magnetic moment. By employing explainable AI techniques, this analysis offers insights into the model's predictive behavior, thereby advancing scientific interpretability.
• Abstract（参考訳）: NEMADデータベースを用いて,磁性材料のキュリー温度を予測する機械学習手法について検討する。 合成ベースおよびドメイン認識記述子を用いてデータセットを増強することにより、複数の機械学習モデルの性能を評価する。 Extra Trees Regressorは、バランスの取れたデータセットに対して、最大0.85$\pm$ 0.01(クロスバリデーション)のR^2スコアに達する最高のパフォーマンスを提供する。 我々はk平均クラスタリングアルゴリズムを用いて、化学的に異なる物質群の性能に関する洞察を得る。 さらに、SHAP分析を行い、平均原子数や磁気モーメントなどのキュリーの挙動の重要な物理化学的要因を同定する。 説明可能なAI技術を用いることで、この分析はモデルの予測行動に関する洞察を与え、科学的解釈可能性を向上させる。

関連論文リスト

• Machine Learning-Based Prediction of Metal-Organic Framework Materials: A Comparative Analysis of Multiple Models [2.089191490381739]
  金属-有機系フレームワーク (MOF) は様々な用途に期待できる材料として登場してきた。 本研究は,MOFの材料特性を予測するための機械学習手法に関する包括的研究である。
  論文  参考訳（メタデータ） (2025-07-06T18:10:00Z)
• SciQu: Accelerating Materials Properties Prediction with Automated Literature Mining for Self-Driving Laboratories [0.7673339435080445]
  特定の属性を予測するために異なる材料特性を評価することは、材料科学に基づく応用の基本的な要件である。 本研究は,機械学習を利用して材料特性を高精度かつ効率的に解析することにより,これらの課題に対処する。 データ抽出を自動化し、抽出した情報を用いて機械学習モデルを訓練することにより、開発したSciQuは材料特性を最適化する。
  論文  参考訳（メタデータ） (2024-07-11T08:12:46Z)
• AlloyBERT: Alloy Property Prediction with Large Language Models [5.812284760539713]
  本研究は, テキスト入力による合金特性の予測を目的とした変圧器エンコーダモデル, AlloyBERTを紹介する。 テキストデータに基づいてトレーニングされたトークン化器とRoBERTaエンコーダを組み合わさることで,Multi principal Elemental Alloys (MPEA)データセットにおける平均2乗誤差(MSE)が0.00015,Refractory Alloy Yield Strength (RAYS)データセットで0.00611に達した。 本研究は,材料科学における言語モデルの可能性を強調し,合金特性のテキストベース予測のための基礎的枠組みを構築した。
  論文  参考訳（メタデータ） (2024-03-28T19:09:46Z)
• Comparative Evaluation of Weather Forecasting using Machine Learning Models [2.0971479389679337]
  本研究では,ダッカ市の1つの気象観測所から得られた20年間のデータセットを用いて,降水パターンと降水パターンの予測における機械学習アルゴリズムの寄与を分析することに焦点を当てた。 グラディエントブースティング、AdaBoosting、Artificial Neural Network、Stacking Random Forest、Stacking Neural Network、Stacking KNNなどのアルゴリズムを評価して比較する。
  論文  参考訳（メタデータ） (2024-02-02T08:25:28Z)
• Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
  NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。 固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
  論文  参考訳（メタデータ） (2023-06-23T07:53:09Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Advancing Reacting Flow Simulations with Data-Driven Models [50.9598607067535]
  マルチ物理問題における機械学習ツールの効果的な利用の鍵は、それらを物理モデルとコンピュータモデルに結合することである。 本章では, 燃焼システムにおけるデータ駆動型低次モデリングの適用可能性について概説する。
  論文  参考訳（メタデータ） (2022-09-05T16:48:34Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Application of computer simulation results and machine learning in analysis of microwave radiothermometry data [117.44028458220427]
  この記事ではマイクロ波ラジオサーモメトリーデータ解析における機械学習の応用について論じる。 コンピュータ実験の助けを借りて、機械学習アルゴリズムセットに基づいて、哺乳腺の温度フィールドコンピュータモデルが適切を設定します。
  論文  参考訳（メタデータ） (2020-12-18T16:40:36Z)
• Machine learning with persistent homology and chemical word embeddings improves prediction accuracy and interpretability in metal-organic frameworks [0.07874708385247352]
  材料の構造と化学の複雑な表現をキャプチャする記述子を自動的に生成するエンド・ツー・エンドの機械学習モデルを提案する。 物質系から直接、幾何学的および化学的情報をカプセル化する。 提案手法は, 対象物間での精度, 転送可能性の両面において, 一般的に用いられている手作業による特徴量から構築したモデルに比べ, かなり改善されている。
  論文  参考訳（メタデータ） (2020-10-01T16:31:46Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。