什麼是材料資訊學
以機器學習等分析材料的資料，用於預測性質或選擇下一個要試的材料的方法。與計算及實驗結合，加快材料開發。
日文名稱: マテリアルズ・インフォマティクス
「材料資訊學」出現在1領域的1道練習題中（計算材料科學等）。
這個名詞所屬的領域: 計算材料科學
以什麼為目標的領域
材料資訊學（MI）是以資料科學的方法加快材料研究開發的領域。若考慮元素的組合、組成、結構乃至製造條件，材料的候選數量龐大，不可能全部嘗試。因此由過去的實驗與計算資料學習組成或結構與性質的關係，縮小有希望的候選範圍。以2011年美國開始的材料基因體計畫為契機擴展到全世界，在日本的大學與企業中研究也在進展。對大量物質自動進行第一原理計算而建立的資料庫，也支撐著這股潮流。
從資料到預測的流程
典型的流程是收集資料、建立描述子、學習並評估模型，再由預測選擇下一個實驗或計算。描述子使用構成元素電負度與原子半徑的平均與差、價電子數、晶體結構的特徵等，選擇具有物理意義的描述子，即使資料少也容易得到好的模型。模型有線性迴歸、隨機森林、高斯過程迴歸、類神經網路等，也使用把晶體結構直接當作圖處理的圖神經網路。調查哪些描述子有效，也能成為找出支配性質之因素的線索。
資料的偏差與評估的陷阱
材料的資料有一種偏差：成功的結果多被刊登在論文上，失敗的結果則不易留下。量測條件與試樣的製作方式因文獻而異，同一物質的值也常有分散。此外，組成非常相似的物質同時出現在學習用與驗證用資料中時，驗證誤差會偏小，而高估模型對新系列材料的實力（資料洩漏）。為了避免這種情形，要依組成系列或化合物種類分組切分資料來驗證。預測不準時，懷疑資料的品質而非模型也很重要。
逆向設計與自主實驗
由性質尋找材料的逆向設計，是以生成模型或最佳化方法提出具有所需性質的組成與結構。把交替進行預測與實驗的主動學習，與機器人的合成及量測結合，幾乎不經人手運轉的自主實驗研究也在進展。此外，也使用學習溫度、時間等製造條件與組織、性質之關係的製程資訊學，以及用機器學習模型取代耗時模擬以加快速度的代理模型。結合計算、實驗與資料，是這個領域的特徵。
練習材料資訊學的題目
在材料資訊學中，由既有材料的資料建立機器學習模型，預測新材料的性質時，下列注意事項何者正確？
- A用於學習的資料上的預測誤差越小，對新材料的預測也必定越正確，因此只要以把學習資料上的誤差降到最小為目標
- B以未用於學習的資料上的誤差（交叉驗證等）評估性能，並注意大幅超出學習資料範圍的預測可靠性低
- C即使資料數量少，描述子（特徵）的數量增加得越多資訊越多，因此對新材料的預測必定越正確
查看答案與解析
正確答案：B. 以未用於學習的資料上的誤差（交叉驗證等）評估性能，並注意大幅超出學習資料範圍的預測可靠性低
機器學習模型由把組成、晶體結構等數值化的描述子（特徵），學習預測目標性質的函數。若過度配合用於學習的資料（過度擬合），即使在該資料上的誤差小，對新資料的預測也會變差。因此把資料分成學習用與驗證用，或進行交叉驗證，以未用於學習的資料上的誤差評估性能。資料少卻增加過多描述子時，容易發生過度擬合。此外，模型擅長在學習資料範圍內的內插，卻不擅長大幅超出範圍的外插。因此會使用同時利用預測值及其不確定性來選擇下一個試驗候選的貝氏最佳化等方法，有效率地增加資料。
常見問題
材料資訊學與計算材料科學有什麼不同？
計算材料科學求解以物理定律為基礎的方程式來求性質。材料資訊學則由計算或實驗得到的資料以統計方式學習關係。兩者並不對立，而是像以第一原理計算產生資料、以機器學習探索廣大範圍這樣組合使用。
資料少時該怎麼辦？
方法包括使用少數具有物理意義的描述子、使用把以相似性質的大量資料學習的模型轉用的轉移學習、把計算求得的值當作輔助資料加入等。資料少時，常使用也能表示預測不確定性的高斯過程迴歸。
描述子是什麼？
是為了把材料輸入機器學習模型，以數值序列表示組成或結構特徵的東西，也稱為特徵。使用元素性質的平均或晶體的對稱性等，選擇與想預測的性質有物理關係的描述子，能提高模型的精度與可解釋性。