第一作者：聶志偉
通訊作者：潘鋒、李舜寧、雷凱
通訊單位：北京大學深圳研究生院
新材料的發(fā)現主要源于人類直覺，即根據不同物質的組成、結構和性質感知物質的相關性。這種人類直覺需要特定領域的最新知識，而這些知識通常只有相應子領域的專家才能掌握，因此構成了多/跨學科研究的主要障礙。材料科學和人工智能的結合產生了從大量學術出版物中提取和整理材料信息的需求，然而這在復雜的應用領域很難實現，如鋰離子電池（LIB）正極需要多個變量來選擇材料，使得自動識別文本中的關鍵術語具有挑戰(zhàn)性。
知識圖譜是谷歌于2012年首次為搜索引擎提出的，作為一種有效的知識管理工具是實現上述目標的最合適技術之一。在知識圖譜中，文本信息以結構化的方式表示，結合關聯、融合和推理技術可實現從信息到科學知識的轉換。這可以幫助研究人員準確高效地獲取和整理以前的研究成果，甚至可以對材料進行定性預測。然而，知識圖譜在材料科學中的應用仍處于起步階段。
在此，北京大學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化詞嵌入并將其用于LIB正極的文獻挖掘。由此產生的詞嵌入偏向于特定領域的知識，并且可檢測材料之間的深層關聯以用于目標應用。基于這個框架，作者建立了一個專門用于LIB正極的語義知識圖譜，在面對大型語料庫時表現出可遷移性和較強的魯棒性。該知識圖譜可從科學文獻中揭示潛在的材料關系，甚至發(fā)現以前尚未被用作正極的候選材料。
這項研究為實現基于文本挖掘的復雜材料系統(tǒng)的知識管理提供了一條長期尋求的途徑，而幾乎不需領域專業(yè)知識。該工作以“Automating Materials Exploration with a Semantic Knowledge Graph for Li-Ion Battery Cathodes”為題發(fā)表于國際頂級期刊Advanced Functional Materials。
要點1：DATWEM的組成
DATWEM框架包含兩個獨立的詞嵌入模塊，分別編碼無機材料和正極材料語料庫。從無機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。在這個階段，將從正極材料語料庫中獲得的領域知識整合到這些詞嵌入中。然后，將關鍵詞模塊的詞嵌入輸入DATWEM框架并經過第二個注意力模塊實現信息融合。通過以上多源信息融合實現了無機材料、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域信息并將其轉換為語義表示。
構建LIB正極材料知識圖譜的流程包括4個步驟：首先，使用one-hot編碼對材料詞進行矢量化。接下來，在詞嵌入過程中將高維向量壓縮為低維向量。在對不同語料庫中的詞嵌入進行單獨訓練后，將其作為屬性輸入DATWEM然后生成最終的詞嵌入。在分布假設下，詞嵌入之間的余弦相似度可用來衡量兩個主題語義之間的相關性。據此，最終構建了LIB正極材料的知識圖譜，其中節(jié)點表示相關材料對應的數據點，邊表示它們之間的相關性并使用余弦相似度度量。
通過將DATWEM框架與之前報道的傳統(tǒng)詞嵌入方案（沒有注意力模塊）進行比較來評估框架在捕獲LIB正極材料之間相關性的能力，考慮了準確率（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個指標來量化模型的不同能力。結果表明，雙注意力模塊可以明顯改善6項指標中的每一項，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用相關的豐富分布式信息，這保證了高效和高質量的關聯，因此發(fā)現潛在正極材料的可能性更大。此外，從DATWEM 獲得的正極材料關系與該領域研究人員普遍認可的現有知識更加一致。因此，所建立的知識圖譜能夠有效地從文獻中查詢和檢索用于有針對性應用的材料信息。
基于該知識圖譜可識別出潛在的LIB正極材料，通過執(zhí)行無監(jiān)督聚類可實現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（結構相似）或由Co離子組成（組成相似），這兩個特征都與其作為LIB正極的用途相關。通過過濾已包含在正極材料語料庫中的材料，作者發(fā)現了一種分子式為Li2TiMn3O8的潛在正極材料，該材料與LiCoO2通過層狀結構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元素這一潛在共同特征形成間接連接。因此，借助知識圖譜可通過合乎邏輯的方式揭示正極材料之間的聯系，從而在已知正極材料的指導下預測新的材料組成。
需要指出，該DATWEM框架是通用的，可應用于各種應用領域探索材料之間的可解釋關系。注意力機制可自動從文本中提取專家知識，從而在材料分類和預測方面產生重大改進。這種自動化還意味著知識圖譜構建過程在很大程度上獨立于相應應用領域的專業(yè)知識，從而有助于打破學科界限，并為多功能材料設計提供機會。目前工作的一個潛在限制是文章的摘要提供了非常有限的電化學數據信息，如不包含運行期間的電壓分布和結構演變等。因此，有必要將圖像數據和全文語料庫結合起來，以賦予對電化學性能的預測能力。
在這項研究中，作者基于新的材料科學知識嵌入框架DATWEM構建了LIB正極材料的語義知識圖譜。該框架利用注意力機制來細化詞嵌入，從而生成富含目標領域先驗知識的語義表示。在建立LIB正極應用材料之間的關系時驗證了該框架的高精度，從而確保了構建的知識圖譜的卓越質量。作者利用該知識圖譜證明了自動預測LIB正極材料的可行性，并發(fā)現了新的潛在LIB正極材料Li2TiMn3O8。此外，所提出的模型可在材料科學的各個細分領域中遷移，因為它可以指導算法學習特定信息從而大大增強可解釋性。總之，這項工作將為材料科學與人工智能的交叉融合鋪平道路，從而從數據驅動的角度實現材料創(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，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/14/cd69f3ab6c/
