报告主题：A simple denoising approach to exploit multi-fidelity data for machine learning materials properties.

报告人：Gian-Marco RIGNANESE教授

报告时间：2022年12月22日下午2点

报告形式：线上会议

腾讯会议： 369-242-790

主持人：王俊杰 教授

报告人简介：

Gian-Marco RIGNANESE教授是比利时鲁汶天主教大学教授，鲁汶天主教大学凝聚态物质与纳米技术研究所(IMCN)模拟部主任，比利时基础研究基金会（F.R.S.-FNRS）研究总监（Research Director），西北工业大学材料学院讲座教授。其主要研究领域为：第一性原理计算软件开发、材料基因工程，包括材料数据库、机器学习以及高通量计算；Gian-Marco教授是第一性原理计算软件abinit、高通量计算开源软件PyMatGen和FireWorks的开发者；美国材料基因组计划材料数据库Materials Project（https://materialsproject.org) 的联合创始人；欧洲材料基因组项目OPTIMADE的联合创始人。2019年因其在第一性原理计算和材料基因工程领域软件开发的杰出贡献而入选美国物理学会会士。

报告摘要：

机器学习模型最近在预测材料性质方面取得了巨大成功。这些模型的训练通常基于不同精度级别的数据，而在材料科学中的数据往往是低保真度的。为了从所有可用数据中提取尽可能多的信息，Gian-Marco教授提出一种旨在通过对数据去噪来提高数据质量的方法。本次报告教授将以材料带隙预测为例展现这种数据处理方法的优势。只依靠有限的实验数据和少量的理论计算数据实现材料带隙的高精度预测。并且通过与现有的各种利用多保真数据进行预测的方法进行比较，发现这种方法能够有效地提高预测精度。

[1] X. Liu, P.-P. De Breuck, L. Wang, and G.-M. Rignanese, npj Comput. Mater. 8, 233 (2022)