arXiv cs.AI· Sihan Liaing, Ji Zhang, Kehan Wang, Zihao Gao, Wei Ma, Yangang Wang, Zongguo Wang·· 10 小时前AI 评分22
基于置信度与图结构学习的材料数据质量评估框架
Confidence-Based Materials Data Quality Assessment via Domain Knowledge and Graph-Structured Learning
AI 导读
研究提出一种基于置信度的材料数据质量评估框架,将数据质量建模为连续置信度估计而非二元异常检测,结合九维特征质量先验、样本-特征二部图传播与弱监督图注意力,并用 Memory-GAT 模块做历史参考评分。
正文 · AI 翻译
摘要:材料机器学习的快速发展依赖于大规模、异构的数据集,然而来自各类实验、模拟和数据库整合的不完美数据往往会影响模型的可靠性。真实世界的材料数据库可能包含测量误差、失败的计算、缺失或重复的记录,以及隐藏的物理化学约束违反。这些问题难以识别,因为损坏的样本可能在统计上仍然看似合理,而不会表现为明显的离群值。本文提出了一种基于置信度的材料数据质量评估框架,将领域知识与图结构学习相结合。数据质量被表述为连续的置信度估计问题,而非二值异常识别任务,从而支持样本级评估和基于历史参考的批次比较。一个九维特征质量先验和重复感知的样本初始化,通过材料领域规则和统计证据进行校准。置信度进一步通过样本-特征二部图传播和弱监督图注意力进行细化,同时 Memory-GAT 模块提供历史参考评分。在 23 个 ODDS 基准数据集上的实验表明,通用模块的平均 AUC-ROC 达到 0.866。在 mp\_20 上进行的五次重复混合污染实验中,规则校准将 HistGradientBoostingRegressor 的测试 $R^2$ 从 $0.538\pm0.008$ 提升至 $0.616\pm0.014$。图细化将平均精度从 $0.943\pm0.004$ 提升至 0.953\pm0.004,而规则校准配置在评估的筛选配置中具有最高的平均测试 $R^2$。五次重复的 MACE 子集实验进一步表明,基于规则的筛选后 $R^2$ 从 $0.590\pm0.053$ 提升至 $0.880\pm0.027$。
| 主题: | 机器学习(cs.LG);材料科学(cond-mat.mtrl-sci);人工智能(cs.AI) |
| 引用为: | arXiv:2611.23342 [cs.LG] |
| (或 arXiv:2611.23342v1 [cs.LG] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23342 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Zongguo Wang [查看电子邮件]
[v1]
2026年11月17日星期二 08:06:38 UTC(6,626 KB)
来源:arXiv cs.AI · arxiv.org