MODNet，用于材料性质预测的材料最优描述符网络。
项目描述
MODNet：材料最优描述符网络
简介
此存储库包含实现材料最优描述符网络（MODNet）的Python（3.8+）包。这是一个监督机器学习框架，可以从材料的组成或晶体结构中学习材料性质。该框架非常适合数据量有限的集合并可以使用联合学习来一起学习多个属性。
MODNet出现在MatBench排行榜上。截至2021年11月11日，MODNet在13个任务中的7个任务上提供了所有提交模型的最佳性能。
此存储库还包含两个预训练模型，可以用于从任何晶体结构预测折射率和振动热力学。
有关更多详细信息，请参阅下面的MODNet论文和存储库。
- De Breuck 等人，"通过特征选择和与 MODNet 联合学习实现有限数据集的材料属性预测。" npj Comput Mater 第 7 卷，第 83 号 (2021)。[链接](https://doi.org/10.1038/s41524-021-00552-2)（预印本：arXiv:2004.14766）。
- De Breuck 等人，"数据驱动材料科学中的鲁棒模型基准测试和偏差不平衡：MODNet 的案例研究。" J. Phys.: Condens. Matter 第 33 卷，404002 号，(2021)，[链接](https://doi.org/10.1088/1361-648X/ac1280)（预印本：arXiv:2102.02263）。
- MatBench 基准数据存储库：[链接](https://github.com/modl-uclouvain/modnet-matbench)。
图 1. MODNet 的示意图。
安装方法
首先，使用您喜欢的环境管理器（以下说明使用 conda）使用 Python（3.8+）创建一个虚拟环境（例如，命名为 modnet）
conda create -n modnet python=3.9
激活环境
conda activate modnet
最后，使用 pip 从 PyPI 安装 MODNet
pip install modnet
警告 我们强烈建议在使用 MODNet 时固定您的 Python 环境，尤其是在多台机器或多版 MODNet 上，因为依赖项和子依赖项的变化可能导致特定特征的值不同。
这可以通过
conda export或pip freeze实现。
对于开发（或如果您希望使用 MODNet 测试过的直接依赖项的固定版本），您可以通过 pip 克隆此 git 仓库并在选择的环境中创建可编辑安装
git clone git@github.com:ppdebreuck/modnet
cd modnet
conda create -n modnet python=3.9
conda activate modnet
pip install -r requirements.txt # optionally use pinned requirements
pip install -e .
文档
文档可在 ReadTheDocs 上找到。
变更日志
简短的变更日志可在 GitHub 的发布摘要 中找到。
作者
此软件由 Pierre-Paul De Breuck 和 Matthew Evans 编写，David Waroquiers 和 Gregoire Heymans 做出了贡献。有关最新列表，请参阅 GitHub 上的贡献者。
许可证
MODNet 在 MIT 许可证下发布。
关闭
modnet-0.4.4.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | d7ec064e95cda09fc00e23e756a693dde95c720c0e05a4c84df19279c4cda807 |
|
| MD5 | ac90fa14d0c0d0dfd139fb32ce5b8ca4 |
|
| BLAKE2b-256 | da3b3778b98092b020fe6e240ec1fe39a52a60f29f46453c9582799cee112b9f |
