中國地質(zhì)大學(xué)(北京)AFM:通過機器學(xué)習(xí)創(chuàng)新材料科學(xué) 2023年10月15日 下午12:59 ? 頭條, 干貨, 頂刊 ? 閱讀 19 如今,材料科學(xué)的研究正迅速進(jìn)入數(shù)據(jù)驅(qū)動時代。機器學(xué)習(xí)(ML)作為最重要的人工智能方法之一,由于其計算成本低、開發(fā)周期短、數(shù)據(jù)分析和預(yù)測能力強,正成為材料創(chuàng)新的絕佳工具,無疑具有巨大的應(yīng)用前景。 圖1. 在材料科學(xué)中引入人工智能和機器學(xué)習(xí) 在此,中國地質(zhì)大學(xué)(北京)黃朝暉教授、閔鑫副教授等人總結(jié)了材料科學(xué)中ML的挑戰(zhàn)和當(dāng)前進(jìn)展,對設(shè)計策略進(jìn)行了分類和突出,并為未來的發(fā)展提出了可能的觀點。盡管與機器學(xué)習(xí)相關(guān)的材料科學(xué)的交叉研究顯示出特殊的優(yōu)勢,但仍有一些挑戰(zhàn)需要正確解決和深入理解,包括 i) 數(shù)據(jù)量不足; ii) 難以識別、分類和關(guān)聯(lián)特征; iii) 特定算法通用性差; iv) 抽象模型可解釋性差; v) 材料科學(xué)研究人員理論和編程能力的缺乏。為此,作者總結(jié)了將ML應(yīng)用于材料科學(xué)的策略:增加數(shù)據(jù)量、ML處理特征研究(加強特征分析優(yōu)化、探索特征之間的關(guān)系、將特征分為不同的類別、識別材料特征屬性)、為材料科學(xué)開發(fā)專業(yè)算法、優(yōu)化和評估學(xué)習(xí)模型、開發(fā)開源材料包和ML框架等。 圖2. 材料科學(xué)中機器學(xué)習(xí)的挑戰(zhàn)總結(jié) 雖然這些開創(chuàng)性研究促進(jìn)了材料科學(xué)中的ML發(fā)展,但應(yīng)進(jìn)一步展望提高材料科學(xué)的工作效率和科研進(jìn)展。作者概述了機器學(xué)習(xí)的幾個可能方向: (1)小樣本機器學(xué)習(xí)(零鏡頭學(xué)習(xí)、單鏡頭學(xué)習(xí)、少鏡頭學(xué)習(xí)); (2)多特征組合構(gòu)建新特征; (3)控制數(shù)據(jù)以確保特征平衡; (4)發(fā)現(xiàn)特征之間的相關(guān)性和相似性; (5)預(yù)設(shè)實驗變量參數(shù); (6)開發(fā)新穎的學(xué)習(xí)模型。作者希望這篇綜述能為未來通過機器學(xué)習(xí)創(chuàng)新材料科學(xué)和技術(shù)提供重要的科學(xué)指導(dǎo)。 圖3. 機器學(xué)習(xí)在材料科學(xué)中的展望 Innovative Materials Science via Machine Learning, Advanced Functional Materials 2021. DOI: 10.1002/adfm.202108044 原創(chuàng)文章,作者:科研小搬磚,如若轉(zhuǎn)載,請注明來源華算科技,注明出處:http://www.xiubac.cn/index.php/2023/10/15/1f794a494d/ 電池 贊 (0) 0 生成海報 相關(guān)推薦 ?哈師大鄧超EnSM:定制應(yīng)力消除結(jié)構(gòu)實現(xiàn)高性能鉀離子混合電容器/電池! 2023年10月9日 西湖大學(xué)前院長、UCLA楊陽的有機光伏二十余年,繞不過去的明星分子“Y6” 2023年10月17日 ?大工李新勇AFM: 中間體空隙限制效應(yīng),助力空心Cu2O@CoMn2O4電化學(xué)NO還原 2022年9月5日 香港理工郝建華教授團隊,最新Nature子刊! 2023年11月14日 重磅!他,10年當(dāng)選三院院士,最新Nature Catalysis! 2025年2月8日 ?武大Angew:給電子調(diào)制的LiNO3基電解質(zhì)用于可持續(xù)非水系鋰電池 2024年3月14日