arXiv cs.LG· Brent Motmans, Digvijay Ghogare, Thijs G. I. van Wijk, Joren Van Herck, Saba Heidarian, Pieter De Meyer, Berend Smit, An Hardy, Danny E. P. Vanpoucke·· 3 小时前AI 评分22
基于小数据集的机器学习预测无机合成：以流体动力学直径可控的 Cu 纳米颗粒为例
Predictive Inorganic Synthesis based on Machine Learning using Small Data sets: a case study of Hydrodynamic Diameter-controlled Cu Nanoparticles
AI 导读
一项研究用仅 25 次合成的小数据集训练集成回归模型，预测 Cu 纳米颗粒的 DLS 流体动力学直径，最终模型 R2=0.74，优于 DoE 模型的 0.60，且保留完整合成参数空间。研究采用拉丁超立方采样覆盖参数空间，并用分类模型筛选适用定量预测的单峰 DLS 分布条件。随机森林与 LLM 分类模型区分大小颗粒的表现均有限，表明该小数据集不足以充分发挥复杂 LLM 的能力。
来源：arXiv cs.LG · arxiv.org