使用AI做材料性質預測

在這個AI已經發展的時代，我們有沒有可能使用現有數據判斷未知的材料性質?

以下為實際做過的案例，因為不確定是否已經公開，因此只會展現結果，而不會去討論那些元素的比例構成。

首先AI的訓練在這案例中使用了好幾種手法，只會介紹結果最好的，我參考了其他實驗室的結果，也是採這方法預測力最佳。

在測試中採用了Linear regressor、k-NN regressor、Random forest regressor、Support Vector Regression以及Neuralnetwork。

發現Random forest regressor預測力最好。

Random forest regressor有一些步驟必須知道，首先取一部份的資料作為訓練資料後放回，以避免過度訓練(訓練結果只符合這組數據，對同類型預測力不準)，接下來挑選幾個特徵作為訓練決策，第三步是Bootstrap，也就是說要創造幾顆決策樹，合起來稱為一個隨機森林。

在此訓練中使用的是迴歸，以多數決作為訓練結果。

可以看到隨機森林做出不錯的預測，如果想用AI玩玩看材料的預測特性可以試看看，不過這篇採用了一千多個點，沒有很大量的數據，AI訓練是不會有好結果的。

因此這份數據珍貴之處在於研究生願意花費時日慢慢把數據建立起來，AI只是輔助而已。

謝謝讀者的觀看。