Predicting Poisson's Ratio: A Study of Semi-supervised Anomaly Detection and Supervised Approaches

doi:10.60692/j2xcx-xry67

Published September 25, 2023 | Version v1

Publication Open

Predicting Poisson's Ratio: A Study of Semi-supervised Anomaly Detection and Supervised Approaches

1. TIFR Centre for Interdisciplinary Sciences

Auxetics are a rare class of materials that exhibit a negative Poisson's ratio. The existence of these auxetic materials is rare but has a large number of applications in designing exotic materials. We build a complete machine learning framework to detect Auxetic materials as well as Poisson's ratio of non-auxetic materials. A semi-supervised anomaly detection model is presented which is capable of separating out the auxetics materials (treated as an anomaly) from an unknown database with an average precision of 0.64. Another regression model (supervised) is also created to predict the Poisson's ratio of non-auxetic materials with an R² ≈ 0.82. Additionally, this regression model helps in finding the optimal features for the anomaly detection model. This methodology can be generalized and used to discover materials with rare physical properties.

Translated Descriptions

This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

Auxetics هي فئة نادرة من المواد التي تظهر نسبة بواسون سالبة. وجود هذه المواد المساعدة أمر نادر الحدوث ولكن له عدد كبير من التطبيقات في تصميم المواد الغريبة. نحن نبني إطارًا كاملاً للتعلم الآلي للكشف عن المواد المساعدة بالإضافة إلى نسبة بواسون من المواد غير المساعدة. يتم تقديم نموذج الكشف عن الشذوذ شبه الخاضع للإشراف والقادر على فصل المواد المساعدة (التي يتم التعامل معها على أنها شذوذ) عن قاعدة بيانات غير معروفة بمتوسط دقة 0.64. يتم أيضًا إنشاء نموذج انحدار آخر (تحت الإشراف) للتنبؤ بنسبة بواسون للمواد غير السمعية مع R² ≈ 0.82. بالإضافة إلى ذلك، يساعد نموذج الانحدار هذا في العثور على الميزات المثلى لنموذج اكتشاف الشذوذ. يمكن تعميم هذه المنهجية واستخدامها لاكتشاف المواد ذات الخصائص الفيزيائية النادرة.

Translated Description (French)

Les auxétiques sont une classe rare de matériaux qui présentent un coefficient de Poisson négatif. L'existence de ces matériaux auxétiques est rare mais a un grand nombre d'applications dans la conception de matériaux exotiques. Nous construisons un cadre d'apprentissage automatique complet pour détecter les matériaux auxétiques ainsi que le ratio de matériaux non auxétiques de Poisson. Un modèle de détection d'anomalie semi-supervisée est présenté qui est capable de séparer les matériaux auxétiques (traités comme une anomalie) d'une base de données inconnue avec une précision moyenne de 0,64. Un autre modèle de régression (supervisé) est également créé pour prédire le ratio de Poisson des matériaux non-auxétiques avec un R² ≈ 0,82. De plus, ce modèle de régression aide à trouver les caractéristiques optimales pour le modèle de détection d'anomalie. Cette méthodologie peut être généralisée et utilisée pour découvrir des matériaux aux propriétés physiques rares.

Translated Description (Spanish)

La auxética es una clase rara de materiales que exhiben una relación de Poisson negativa. La existencia de estos materiales auxéticos es rara, pero tiene un gran número de aplicaciones en el diseño de materiales exóticos. Construimos un marco de aprendizaje automático completo para detectar materiales auxéticos, así como la proporción de materiales no auxéticos de Poisson. Se presenta un modelo de detección de anomalías semi-supervisado que es capaz de separar los materiales auxéticos (tratados como una anomalía) de una base de datos desconocida con una precisión media de 0,64. También se crea otro modelo de regresión (supervisado) para predecir la relación de Poisson de materiales no auxéticos con un R² ≈ 0.82. Además, este modelo de regresión ayuda a encontrar las características óptimas para el modelo de detección de anomalías. Esta metodología se puede generalizar y utilizar para descubrir materiales con propiedades físicas raras.

Files