近日，我院刘晓彤老师、硕士生王凌晖同学与比利时新鲁汶大学合作，在国际顶级期刊《npj Computational Materials》上发表了题为“A simple denoising approach to exploit multi-fidelity data for machine learning materials properties”的学术论文。

多保真度数据在各个领域中广泛存在，若我们将机器学习模型比作正在准备考试的考生，那多保真度数据则可粗略对应于历年真题及各种名师给出的模拟题。这些题目覆盖考点不尽相同，同时数据量也不尽相同。如何最高效地利用这些数据，从《五年高考 三年模拟》中提取信息除了被考生关注，也是各行学者们的研究重点。与传统设计新模型（找寻天才考生）等方式不同，本论文聚焦于探究最优训练方案（找寻最优做题顺序）和对多保真度数据进行降噪（尝试将“模拟题”校正为“真题”），以达到更好的训练效果。

npj Computational Materials是Springer Nature集团 Nature Partner Journals 系列子刊之一，被中科院分区（2021年）遴选为工程技术大类一区TOP，其最新影响因子为12.241。这是我院材料基因工程高精尖中心首次以第一单位在该期刊上发表的科学研究成果，标志着我院科研水平的持续提高。

论文链接：https://www.nature.com/articles/s41524-022-00925-1

（计算机学院 供稿）