ML材料预测器Skill ml-materials-predictor

---

name: ml-materials-predictor description: 用于纳米材料性能预测和加速发现的机器学习技能 allowed-tools:

• Read
• Write
• Glob
• Grep
• Bash metadata: specialization: 纳米技术 domain: 科学 category: 计算 priority: high phase: 6 tools-libraries:
  • MatMiner
  • MEGNet
  • CGCNN
  • scikit-learn
  • PyTorch

---

ML材料预测器

目的

ML材料预测器技能为加速纳米材料发现和性能预测提供机器学习能力，支持材料设计和优化的数据驱动方法。

能力

• 材料特征工程
• 性能预测模型（GNN、Transformers）
• 实验设计的主动学习
• 高通量虚拟筛选
• 合成成功率预测
• 小数据集的迁移学习

使用指南

ML材料工作流程

1. 数据准备

   • 收集和整理数据集
   • 生成特征（成分、结构）
   • 处理缺失值

2. 模型开发

   • 选择合适的架构
   • 使用交叉验证进行训练
   • 在保留测试集上评估

3. 应用

   • 筛选候选材料
   • 优先安排实验
   • 验证预测结果

流程集成

• 机器学习材料发现管道
• 结构-性能相关性分析

输入模式

{
  "dataset_file": "string",
  "target_property": "string",
  "model_type": "random_forest|gnn|cgcnn|megnet",
  "features": "composition|structure|both",
  "task": "train|predict|screen"
}

输出模式

{
  "model_performance": {
    "mae": "number",
    "rmse": "number",
    "r2": "number"
  },
  "predictions": [{
    "material": "string",
    "predicted_value": "number",
    "uncertainty": "number"
  }],
  "top_candidates": [{
    "material": "string",
    "predicted_property": "number",
    "rank": "number"
  }]
}