机器学习在材料设计方面的研究进展 |
| |
作者姓名: | 孙中体 李珍珠 程观剑 徐其琛 侯柱锋 尹万健 |
| |
作者单位: | 苏州大学能源学院,能源与材料创新研究院,江苏省先进碳材料与可穿戴能源技术重点实验室,苏州215006;中国科学院福建物质结构研究所,结构化学国家重点实验室,福州350002 |
| |
基金项目: | 国家重点研发计划;国家自然科学基金;国家自然科学基金;国家自然科学基金 |
| |
摘 要: | 新材料的发现是推动现代科学发展与技术革新的源动力之一,是当前促进经济发展与解决环境问题的迫切需求.传统的材料研发基于试错法,效率低且成本高.大量实验与计算模拟产生的数据为新材料的研发提供了新契机.基于这些数据,机器学习最近在材料性能预测、新材料的发现与设计等领域取得了很大进展.譬如基于材料项目(materials project)数据库对钙钛矿材料的统计分类、结合高通量计算对双钙钛矿卤化物材料稳定性的预测,以及金属间化合物电催化剂的设计与筛选等.除了基于隐式模型的预测,机器学习也可以用来发现具有物理可解释性的显式描述符,从而加速新材料的发现.
|
关 键 词: | 机器学习 材料设计 能源转换 描述符 |
本文献已被 CNKI 万方数据 等数据库收录! |
|