材料性能自动预测器Auto-MatRegressor平台

为协调模型准确性与易用性的矛盾，帮助材料研究人员消除机器学习建模知识壁垒，研发了基于元学习的材料性能自动预测器Auto-MatRegressor。该预测器主要包括以下功能：（1）提出涵盖统计学、样本、信息熵等6个评估维度在内的27个元特征以对材料数据集特征进行全面刻画，藉此构建了一份蕴含60份文献公开数据集与60份标准数据集信息及18种常用回归算法的预测性能的的元数据集，为精准推荐高性能机器学习模型提供有效依据；（2）创建了表征数据集所属材料类型的类别树，并将其量化表示后嵌入到基于元特征的数据集相似度度量函数中，能够根据目标材料数据特点有效推荐最优机器学习模型进行材料性能定量预测。在60份涵盖4大类47种材料的54种性能的材料性能预测数据集上的实验结果表明，Auto-MatRegressor所推荐的机器学习模型能够取得相较于对比方法更高的平均预测精度。该系统能够为结构化数据驱动的材料构效关系精准挖掘提供高效建模途径。