第一作者：聶志偉
通訊作者：潘鋒、李舜寧、雷凱
通訊單位：北京大學(xué)深圳研究生院
新材料的發(fā)現(xiàn)主要源于人類直覺，即根據(jù)不同物質(zhì)的組成、結(jié)構(gòu)和性質(zhì)感知物質(zhì)的相關(guān)性。這種人類直覺需要特定領(lǐng)域的最新知識(shí)，而這些知識(shí)通常只有相應(yīng)子領(lǐng)域的專家才能掌握，因此構(gòu)成了多/跨學(xué)科研究的主要障礙。材料科學(xué)和人工智能的結(jié)合產(chǎn)生了從大量學(xué)術(shù)出版物中提取和整理材料信息的需求，然而這在復(fù)雜的應(yīng)用領(lǐng)域很難實(shí)現(xiàn)，如鋰離子電池（LIB）正極需要多個(gè)變量來選擇材料，使得自動(dòng)識(shí)別文本中的關(guān)鍵術(shù)語具有挑戰(zhàn)性。
知識(shí)圖譜是谷歌于2012年首次為搜索引擎提出的，作為一種有效的知識(shí)管理工具是實(shí)現(xiàn)上述目標(biāo)的最合適技術(shù)之一。在知識(shí)圖譜中，文本信息以結(jié)構(gòu)化的方式表示，結(jié)合關(guān)聯(lián)、融合和推理技術(shù)可實(shí)現(xiàn)從信息到科學(xué)知識(shí)的轉(zhuǎn)換。這可以幫助研究人員準(zhǔn)確高效地獲取和整理以前的研究成果，甚至可以對(duì)材料進(jìn)行定性預(yù)測。然而，知識(shí)圖譜在材料科學(xué)中的應(yīng)用仍處于起步階段。
在此，北京大學(xué)深圳研究生院潘鋒教授、李舜寧副研究員及雷凱副研究員（共同通訊）等人開發(fā)了一個(gè)名為基于雙重注意力的材料詞嵌入（DATWEM）的語義表示框架，通過多源信息融合來細(xì)化詞嵌入并將其用于LIB正極的文獻(xiàn)挖掘。由此產(chǎn)生的詞嵌入偏向于特定領(lǐng)域的知識(shí)，并且可檢測材料之間的深層關(guān)聯(lián)以用于目標(biāo)應(yīng)用?；谶@個(gè)框架，作者建立了一個(gè)專門用于LIB正極的語義知識(shí)圖譜，在面對(duì)大型語料庫時(shí)表現(xiàn)出可遷移性和較強(qiáng)的魯棒性。該知識(shí)圖譜可從科學(xué)文獻(xiàn)中揭示潛在的材料關(guān)系，甚至發(fā)現(xiàn)以前尚未被用作正極的候選材料。
這項(xiàng)研究為實(shí)現(xiàn)基于文本挖掘的復(fù)雜材料系統(tǒng)的知識(shí)管理提供了一條長期尋求的途徑，而幾乎不需領(lǐng)域?qū)I(yè)知識(shí)。該工作以“Automating Materials Exploration with a Semantic Knowledge Graph for Li-Ion Battery Cathodes”為題發(fā)表于國際頂級(jí)期刊Advanced Functional Materials。
要點(diǎn)1：DATWEM的組成
DATWEM框架包含兩個(gè)獨(dú)立的詞嵌入模塊，分別編碼無機(jī)材料和正極材料語料庫。從無機(jī)材料語料庫中獲得的詞嵌入由雙向長短期記憶（BiLSTM）層處理，然后將詞的初始表示輸入到注意力模塊中。在這個(gè)階段，將從正極材料語料庫中獲得的領(lǐng)域知識(shí)整合到這些詞嵌入中。然后，將關(guān)鍵詞模塊的詞嵌入輸入DATWEM框架并經(jīng)過第二個(gè)注意力模塊實(shí)現(xiàn)信息融合。通過以上多源信息融合實(shí)現(xiàn)了無機(jī)材料、LIB正極和文章主要描述符的信息整合，從而有效捕獲特定領(lǐng)域信息并將其轉(zhuǎn)換為語義表示。
要點(diǎn)2：知識(shí)圖譜的構(gòu)建流程
構(gòu)建LIB正極材料知識(shí)圖譜的流程包括4個(gè)步驟：首先，使用one-hot編碼對(duì)材料詞進(jìn)行矢量化。接下來，在詞嵌入過程中將高維向量壓縮為低維向量。在對(duì)不同語料庫中的詞嵌入進(jìn)行單獨(dú)訓(xùn)練后，將其作為屬性輸入DATWEM然后生成最終的詞嵌入。在分布假設(shè)下，詞嵌入之間的余弦相似度可用來衡量兩個(gè)主題語義之間的相關(guān)性。據(jù)此，最終構(gòu)建了LIB正極材料的知識(shí)圖譜，其中節(jié)點(diǎn)表示相關(guān)材料對(duì)應(yīng)的數(shù)據(jù)點(diǎn)，邊表示它們之間的相關(guān)性并使用余弦相似度度量。
要點(diǎn)3：DATWEM框架評(píng)估
通過將DATWEM框架與之前報(bào)道的傳統(tǒng)詞嵌入方案（沒有注意力模塊）進(jìn)行比較來評(píng)估框架在捕獲LIB正極材料之間相關(guān)性的能力，考慮了準(zhǔn)確率（Accuracy）、精確率（Precision）、召回率（Recall）、F1值（F1-score）、PR曲線下面積（AUPR）和ROC曲線下面積（AUROC）6個(gè)指標(biāo)來量化模型的不同能力。結(jié)果表明，雙注意力模塊可以明顯改善6項(xiàng)指標(biāo)中的每一項(xiàng)，從而能夠更可靠地表示正極材料的上下文特征。
作者展示了兩組正極材料的詞嵌入之間的相似程度：代表性材料（LiCoO2、LiMn2O4、Li2MnO3和LiFePO4）和其他與關(guān)鍵詞“正極”相似度較高的材料。這些典型正極材料的詞嵌入包含與正極應(yīng)用相關(guān)的豐富分布式信息，這保證了高效和高質(zhì)量的關(guān)聯(lián)，因此發(fā)現(xiàn)潛在正極材料的可能性更大。此外，從DATWEM 獲得的正極材料關(guān)系與該領(lǐng)域研究人員普遍認(rèn)可的現(xiàn)有知識(shí)更加一致。因此，所建立的知識(shí)圖譜能夠有效地從文獻(xiàn)中查詢和檢索用于有針對(duì)性應(yīng)用的材料信息。
要點(diǎn)4：知識(shí)圖譜的應(yīng)用及展望
基于該知識(shí)圖譜可識(shí)別出潛在的LIB正極材料，通過執(zhí)行無監(jiān)督聚類可實(shí)現(xiàn)可視化不同材料之間的語義相似性。研究表明，LiCoO2附近的幾乎所有材料都是層狀過渡金屬氧化物（結(jié)構(gòu)相似）或由Co離子組成（組成相似），這兩個(gè)特征都與其作為LIB正極的用途相關(guān)。通過過濾已包含在正極材料語料庫中的材料，作者發(fā)現(xiàn)了一種分子式為Li2TiMn3O8的潛在正極材料，該材料與LiCoO2通過層狀結(jié)構(gòu)這一明顯共同特征形成直接連接，通過包含適用于正極材料的可變價(jià)元素這一潛在共同特征形成間接連接。因此，借助知識(shí)圖譜可通過合乎邏輯的方式揭示正極材料之間的聯(lián)系，從而在已知正極材料的指導(dǎo)下預(yù)測新的材料組成。
圖4. 知識(shí)圖譜在材料發(fā)現(xiàn)中的應(yīng)用
需要指出，該DATWEM框架是通用的，可應(yīng)用于各種應(yīng)用領(lǐng)域探索材料之間的可解釋關(guān)系。注意力機(jī)制可自動(dòng)從文本中提取專家知識(shí)，從而在材料分類和預(yù)測方面產(chǎn)生重大改進(jìn)。這種自動(dòng)化還意味著知識(shí)圖譜構(gòu)建過程在很大程度上獨(dú)立于相應(yīng)應(yīng)用領(lǐng)域的專業(yè)知識(shí)，從而有助于打破學(xué)科界限，并為多功能材料設(shè)計(jì)提供機(jī)會(huì)。目前工作的一個(gè)潛在限制是文章的摘要提供了非常有限的電化學(xué)數(shù)據(jù)信息，如不包含運(yùn)行期間的電壓分布和結(jié)構(gòu)演變等。因此，有必要將圖像數(shù)據(jù)和全文語料庫結(jié)合起來，以賦予對(duì)電化學(xué)性能的預(yù)測能力。
在這項(xiàng)研究中，作者基于新的材料科學(xué)知識(shí)嵌入框架DATWEM構(gòu)建了LIB正極材料的語義知識(shí)圖譜。該框架利用注意力機(jī)制來細(xì)化詞嵌入，從而生成富含目標(biāo)領(lǐng)域先驗(yàn)知識(shí)的語義表示。在建立LIB正極應(yīng)用材料之間的關(guān)系時(shí)驗(yàn)證了該框架的高精度，從而確保了構(gòu)建的知識(shí)圖譜的卓越質(zhì)量。作者利用該知識(shí)圖譜證明了自動(dòng)預(yù)測LIB正極材料的可行性，并發(fā)現(xiàn)了新的潛在LIB正極材料Li2TiMn3O8。此外，所提出的模型可在材料科學(xué)的各個(gè)細(xì)分領(lǐng)域中遷移，因?yàn)樗梢灾笇?dǎo)算法學(xué)習(xí)特定信息從而大大增強(qiáng)可解釋性?？傊@項(xiàng)工作將為材料科學(xué)與人工智能的交叉融合鋪平道路，從而從數(shù)據(jù)驅(qū)動(dòng)的角度實(shí)現(xiàn)材料創(chuàng)新。
Automating Materials Exploration with a Semantic Knowledge Graph for Li-Ion Battery Cathodes, Advanced Functional Materials 2022. DOI: 10.1002/adfm.202201437
https://onlinelibrary.wiley.com/doi/full/10.1002/adfm.202201437
原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請(qǐng)注明來源華算科技，注明出處：http://www.xiubac.cn/index.php/2023/10/14/cd69f3ab6c/
-透明背底.png)
