北京
原文发表于 《科技导报》2026年第10期科技新闻-卓越亮点
负样本也能教AI找材料
图片来源：摄图网
近年来，机器学习正在改变材料研发方式。模型可以从已有材料的组成、结构和性能数据中学习规律，再预测未知材料的性质，从而加快候选材料筛选。但材料数据并不像理想教材那样均匀分布：高性能材料更容易被报道，失败实验和低性能材料往往被忽略；同时，实验和计算成本又使可用数据长期处于“小样本”状态。对于AI模型来说，问题不只是“数据够不够多”，还包括“数据分布是否合理”。如果训练集只集中在少数高性能区域，模型可能会误以为许多未知材料都值得期待；如果只做随机均匀采样，又可能漏掉真正决定性能边界的关键区域。
中国科学院长春应用化学研究所彭博、王大鹏团队围绕“数据分布如何影响模型泛化能力”这一问题，提出并验证了有意识地协同利用正、负样本数据的策略。研究团队先构建了6个10维高维基准函数，用来模拟材料性质空间中常见的复杂形貌，包括单峰、多峰、周期性起伏和尖锐局部极值等情形。随后，团队比较了7种采样策略，包括均匀随机采样、马尔可夫链蒙特卡洛采样等自适应采样（只采取最好的区域）方法。结果显示，传统上被认为可靠的“全空间均匀覆盖”并不总是最优；真正有助于模型泛化的训练集，既要覆盖整体空间，也要有意识地包含正、负2个极值区域的信息。
这意味着，“失败数据”并不是噪声或负担，而是帮助模型理解材料性能边界的参照物。正样本告诉模型“什么样的材料可能好”，负样本则告诉模型“什么样的材料不该被高估”。二者共同出现时，模型更容易划清高性能区、普通区和低性能区之间的边界，从而在未知材料上给出更稳健的预测。
（来源于 中国科技期刊卓越行动计划入选期刊：《物理化学学报》，2026，42(X)：100291）
《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、本刊专稿、特色专题、研究论文、政策建议、科技人文等。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
