Matini-Net材料信息学机器学习操作框架

casjxm

1. 框架定位与核心目标
Matini-Net 是一个 材料信息学研究的机器学习操作框架，旨在解决现有平台（如 Matminer、Automatminer）的两大局限：
•        仅支持单模态模型（特征或图结构模型）；
•        缺乏端到端功能整合（数据检索、可视化、模型解释性）。
核心目标是为深度学习经验有限的研究者提供自动化工具，加速材料发现流程，同时提升模型可解释性。


2. 技术架构与工作流程
Matini-Net 包含 4 个核心组件，构成完整 MLOps 流水线，工作流程分为五阶段：
1.        数据获取：从公共数据库（Materials Project、OQMD、MatBench）解析并存储材料结构与属性；
2.        特征工程：生成材料描述符（详见表 S2）；
3.        模型构建：支持五种神经网络架构（见第 3 节）；
4.        超参优化：通过 Optuna 自动调优；
5.        解释性分析：SHAP 评估特征重要性。


3. 模型设计灵活性
Matini-Net 支持 三类神经网络模块组合，形成 五种架构：
•        GNN：纯图神经网络（如 CGCNN、MEGNet）；
•        FNN：纯特征神经网络；
•        GFNN：特征模型 + 固定参数的图特征（预计算图嵌入）；
•        DirectNN/MultiNN：特征与图模型联合训练（参数可学习），支持多模态融合。


4. 自动化能力
4.1 特征工程优化
针对 Matminer 特征生成器的八大问题（如空值、高计算成本、冗余特征），Matini-Net 通过以下策略优化：
•        过滤无效特征：剔除空值率 >20% 或生成文本/无限值的描述符；
•        计算效率控制：设置超时限制（60s/样本），可选跳过耗时特征；
•        降维处理：移除高维特征（如 BagofBonds 维度 >20k）和常量特征。
最终保留 806 个有效特征）。
4.2 超参数自动调优
集成 Optuna 框架实现超参搜索：
•        定义搜索空间（如 GNN 类型、层数、维度）；
•        以目标指标（如 MAE）优化模型；
•        支持超参重要性分析和优化历史可视化。
4.3 模型解释性
通过 SHAP 分析实现预测可解释：
•        量化特征全局/局部重要性；
•        可视化关键特征与目标属性的关联，如：
o        机械性能预测：Sc 原子分数最关键；
o        热力学/电子性质：元素属性（如电负性、价轨道）主导。


5. 应用验证与性能
在 MatBench 基准数据集的 5 项回归任务上验证：
任务                                 样本量      最佳模型 (Matini-Net)            R²                MAE
声子频率 (phonons)        1,265        GFNN-MPNN-Dropna          0.9603        56.25 cm⁻¹
剪切模量 (log_gvrh)        10,987        MultiNN-MPNN-Dropna     0.8486        0.1046 GPa
体模量 (log_kvrh)           10,987        GFNN-CGCNN-Dropna        0.8748        0.0820 GPa
钙钛矿形成能                  18,928        SchNet (GNN)                       0.9807        0.0753 eV
带隙 (mp_gap)               106,113        MultiNN-MPNN-Fillna        0.8862        0.2977 eV
关键结论：
•        多模态模型优势：GFNN/MultiNN 在 80% 任务中占据 Top10 模型；
•        空值处理策略：丢弃空值（Dropna）普遍优于填充零值（Fillna）；
•        用户友好性：通过 <10 行 Python 代码实现全流程。


6. 创新意义与局限
创新点：
•        首个整合 多模态架构（特征+图模型）的材料 MLOps 框架；
•        提供 自动化流水线（特征工程→超参优化→解释分析）；
•        解决现有工具功能割裂问题。
局限与展望：
•        当前仅支持结构/成分数据，未来拟扩展至图像/光谱等多源数据；
•        性能虽优但略低于 SOTA 专用模型（见 Table 1 的 MAE 对比）。
Matini-Net 代码已开源（GitHub: mhlee216/Matini-Net），为材料科学家提供低门槛、高灵活性的深度学习工具。


引用：
Myeonghun Lee, Taehyun Park, and Kyoungmin Min, Matini-Net: Versatile Material Informatics Research Framework for Feature Engineering and Deep Neural Network Design, J. Chem. Inf. Model. 2024, 64, 8770−8783