硅酸盐学报

面向材料领域机器学习的数据质量治理

PDF下载

刘悦 ¹^,⁴ , 马舒畅 ¹ , 杨正伟 ¹ , 邹欣欣 ¹ , 施思齐 ²^,³

硅酸盐学报 | 机器学习在材料研发中的应用专题—综合评述 2023,51(2): 427-437

收起

硅酸盐学报 |机器学习在材料研发中的应用专题—综合评述 2023 , 51 (2) : 427 -437

面向材料领域机器学习的数据质量治理

全屏

刘悦¹^,⁴, 马舒畅¹, 杨正伟¹, 邹欣欣¹, 施思齐²^,³

作者信息

^1．上海大学计算机工程与科学学院，上海 200444

^2．上海大学材料科学与工程学院，上海 200444

^3．上海大学材料基因组工程研究院，上海 200444

^4．上海市智能计算系统工程技术研究中心，上海 200444

通讯作者:

施思齐（1978—），男，博士，教授。

作者简介:

刘悦（1975—），女，博士，教授。

A Data Quality and Quantity Governance for Machine Learning in Materials Science

Yue LIU¹^,⁴, Shuchang MA¹, Zhengwei YANG¹, Xinxin ZOU¹, Siqi SHI²^,³

Affiliations

^1.School of Computer Engineering and Science, Shanghai University, Shanghai 200444, China

^2.School of Materials Science and Engineering, Shanghai University, Shanghai 200444, China

^3.Materials Genome Institute, Shanghai University, Shanghai 200444, China

^4.Shanghai Engineering Research Center of Intelligent Computing System, Shanghai 200444, China

Corresponding Author:

SHI Siqi (1978-), male, Ph.D., Professor. E-mail: sqshi@shu.edu.cn

LIU Yue (1975-), female, Ph.D., Professor. E-mail: yueliu@shu.edu.cn

出版时间: 2023-02-20 doi: 10.14062/j.issn.0454-5648.20220991

文章导航

摘要

收起

数据驱动的机器学习凭借其准确高效的预测能力广泛应用于材料的性能预测和构效关系研究。数据决定了机器学习的上限。然而，目前材料领域的数据存在来源广、噪音大、样本少、维度高等数据质量问题，阻碍了机器学习在材料领域更广泛的应用。本文从数据品质和数据数量2个视角系统梳理并全面剖析了材料领域数据质量问题及其相关治理工作，发现数据品质与数据数量共同决定数据质量。基于此，提出了面向材料领域机器学习全过程的领域知识嵌入的数据质量治理框架。该框架定义了12种维度用于解析材料数据质量的内涵；构建了数据质量治理的生命周期模型以确保数据质量治理活动有序进行；建立了一系列数据质量治理处理模型，从领域知识与数据驱动2个方面对数据质量进行精准全面治理，为生命周期模型的具体实施提供技术支持。该框架实现了材料数据质量的综合评估与提升，为高质量数据获取提供理论指导与候选方案，加速机器学习在材料研发中的深入应用。

关键词

材料科学 / 机器学习 / 数据质量 / 领域知识

Abstract

收起

Data-driven machine learning is widely used in materials property prediction and structure-activity relationship research due to its accurate and efficient predictive ability. Data determines the upper limit of machine learning. However, materials data often have various quality and quantity problems (i.e., multiple sources, large noise, small samples, and high dimensionality), affecting the application of machine learning in the materials field. In this paper, by analyzing the data quality and quantity problems and their related governance work, we find that data quality and data quantity jointly determine this problem. Following this, a data quality and quantity governance framework embedded by materials domain knowledge in the whole process of materials machine learning is proposed. We define twelve dimensions to analyze the connotation of materials data quality and quantity. A life cycle model of data quality and quantity governance is constructed to ensure that data quality and quantity governance activities are carried out in an orderly manner. To manage data quality and quantity accurately and comprehensively, a series of corresponding governance processing models are established from domain knowledge and data-driven aspects, which provides technical support for the specific implementation of the life cycle model. This framework realizes the overall evaluation and improvement of materials data quality and quantity, providing theoretical guidance and candidate solutions for high-quality and appropriate-quantity data acquisition and accelerating the in-depth application of machine learning in materials research and development.

Key words

materials science / machine learning / data quality and quantity / domain knowledge

引用本文

刘悦, 马舒畅, 杨正伟, 邹欣欣, 施思齐. 面向材料领域机器学习的数据质量治理. 硅酸盐学报, 2023 , 51 (2) : 427 -437 . DOI: 10.14062/j.issn.0454-5648.20220991

Yue LIU, Shuchang MA, Zhengwei YANG, Xinxin ZOU, Siqi SHI. A Data Quality and Quantity Governance for Machine Learning in Materials Science[J]. Journal of the Chinese Ceramic Society, 2023 , 51 (2) : 427 -437 . DOI: 10.14062/j.issn.0454-5648.20220991

基金

收起

国家重点研发计划项目(2021YFB3802101)
国家自然科学基金面上项目(52073169)
国家自然科学基金重大研究计划培育项目(92270124)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

2023年第51卷第2期

PDF下载

引用本文

BibTeX

文章信息

doi: 10.14062/j.issn.0454-5648.20220991

接收时间：2022-11-18
首发时间：2026-10-20
出版时间：2023-02-20

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2022-11-18
修回日期：2022-12-12

基金

国家重点研发计划项目(2021YFB3802101)

国家自然科学基金面上项目(52073169)

国家自然科学基金重大研究计划培育项目(92270124)

作者信息

^1．上海大学计算机工程与科学学院，上海 200444

^2．上海大学材料科学与工程学院，上海 200444

^3．上海大学材料基因组工程研究院，上海 200444

^4．上海市智能计算系统工程技术研究中心，上海 200444

通讯作者:

施思齐（1978—），男，博士，教授。

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/gsyxb/CN/10.14062/j.issn.0454-5648.20220991

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT