Een gezamenlijke onderzoeksgroep bestaande uit het Institute of Statistical Mathematics (ISM) en het National Institute for Materials Science (NIMS) heeft ongeveer 140, 000 machine learning-modellen die 45 verschillende soorten fysieke eigenschappen in kleine moleculen kunnen voorspellen, polymeren en anorganische materialen. De gezamenlijke groep maakte vervolgens XenonPy.MDL - een vooraf getrainde modelbibliotheek - openbaar beschikbaar.

XenonPy - een open source platform voor materiaalinformatica (MI) -onderzoek - is gezamenlijk ontwikkeld door NIMS en een team van het ISM Data Science Center for Creative Design and Manufacturing. XenonPy gebruikt machine learning-algoritmen om verschillende taken van MI uit te voeren. Gebruikers van XenonPy kunnen de vooraf getrainde modellen die beschikbaar zijn in de XenonPy.MDL-bibliotheek uitvoeren via de Application Programming Interface (API) en deze gebruiken om een ​​verscheidenheid aan workflows voor materiaalontwerp te construeren. De gezamenlijke groep meldde onlangs de release van XenonPy.MDL in een onderzoeksartikel gepubliceerd in ACS Centrale Wetenschap , een tijdschrift van de American Chemical Society.

In aanvulling, zoals beschreven in het artikel, de groep is erin geslaagd om het grote potentieel van overdracht van leren aan te tonen om het probleem van beperkte hoeveelheden materiaalgegevens bij verschillende MI-taken te overwinnen, bijvoorbeeld, het voorspellen van de fysische eigenschappen van kleine moleculen, polymeren en anorganische kristallijne materialen met behulp van buitengewoon beperkte materiaalgegevens.