MétaCan
Menu
Retour à la cohorte
Enregistrement W4378770453 · doi:10.17863/cam.102005

How to verify the precision of density-functional-theory implementations via reproducible and universal workflows

2023· preprint· en· W4378770453 sur OpenAlexaff
Emanuele Bosoni, Louis Beal, Marnik Bercx, Peter Blaha, Stefan Blügel, J. D. Broder, Martin Callsen, Stefaan Cottenier, Augustin Degomme, Vladimir Dikan, Kristjan Eimre, Espen Flage−Larsen, Marco Fornari, Alberto Garcı́a, Luigi Genovese, Matteo Giantomassi, Sebastiaan P. Huber, Henning Janssen, Georg Kastlunger, Matthias Krack, Georg Kresse, Thomas D. Kühne, Kurt Lejaeghere, Georg K. H. Madsen, Martijn Marsman, Nicola Marzari, Gregor Michalicek, Hossein Mirhosseini, Tiziano Müller, Guido Petretto, Chris J. Pickard, Samuel Poncé, Gian‐Marco Rignanese, Oleg Rubel, Thomas Ruh, Michael Sluydts, Danny E. P. Vanpoucke, Sudarshan Vijay, Michael Wolloch, Daniel Wortmann, Aliaksandr V. Yakutovich, Ju‐Song Yu, Austin Zadoks, Bonan Zhu, Giovanni Pizzi

Notice bibliographique

RevuearXiv (Cornell University) · 2023
Typepreprint
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensMcMaster University
Organismes subventionnairesAgencia Estatal de InvestigaciónNational Center of Competence in Research Materials’ Revolution: Computational Design and Discovery of Novel MaterialsEngineering and Physical Sciences Research CouncilGauss Centre for SupercomputingUniversität PaderbornRWTH Aachen UniversityCommissariat à l'Énergie Atomique et aux Énergies AlternativesDanmarks Tekniske UniversitetVillum FondenForschungszentrum JülichVlaams Supercomputer CentrumFonds Wetenschappelijk OnderzoekPartnership for Advanced Computing in Europe AISBLUniversiteit GentEuropean Regional Development FundEuropean CommissionVlaamse regeringFonds De La Recherche Scientifique - FNRSSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungUniversität WienNational Science Foundation
Mots-clésComputer sciencePseudopotentialDensity functional theoryRange (aeronautics)WorkflowReliability (semiconductor)TransferabilityPeriodic boundary conditionsProtocol (science)ComputationImplementationTheoretical computer scienceAlgorithmBoundary value problemPhysicsProgramming languageMaterials scienceQuantum mechanicsMachine learning

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,138
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,138
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,006
Communication savante0,0080,013
Science ouverte0,0070,007
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,077
Tête enseignante GPT0,228
Écart entre enseignants0,151 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSimulation ou modélisation
DomaineReproductibilité
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revuearXiv (Cornell University)Même sujetMachine Learning in Materials ScienceTravaux en français237 207