Efficiency of the algorithms for forecasting the properties of materials by their molecular composition

Abstract

Множество алгоритмов машинного обучения (ML) в материаловедении позволяет на основе известных данных прогнозировать свойства материалов по молекулярному составу. Однако существуют факторы, препятствующие эффективному применению алгоритмов для решения конкретной задачи. В данной статье рассмотрены основные способы прогнозирования свойств материалов с помощью алгоритмов ML и уровень их эффективности, установлены факторы, влияющие на успешность предсказаний и выдвинуты предложения по улучшению некоторых алгоритмов.

Numerous machine learning (ML) algorithms in materials science allow predicting the properties of materials by molecular composition based on known data. However, there are factors that impede the effective application of algorithms for solving a specific problem. This article discusses the main methods for predicting the properties of materials using ML algorithms and the level of their efficiency, identifies factors that affect the success of predictions, and put forward proposals for improving some algorithms.