| 机器学习在新材料筛选方面的应用进展 |
| |
| 引用本文： | 戚兴怡,胡耀峰,王若愚,杨雅清,赵宇飞.机器学习在新材料筛选方面的应用进展[J].化学学报,2023,81(2):158-174. |
| |
| 作者姓名： | 戚兴怡 胡耀峰 王若愚 杨雅清 赵宇飞 |
| |
| 作者单位： | 北京化工大学化学学院 化工资源有效利用国家重点实验室 北京 100029 |
| |
| 基金项目： | 国家自然科学基金(21922801); 国家自然科学基金(22090032); 国家自然科学基金(22090030); 北京自然科学基金(2202036) |
| |
| 摘 要： | 新材料产业是许多相关领域技术变革的基础,也是新能源、航空航天、电子信息等高新技术产业发展的先导.传统研发手段由于成本高、效率低、商业化周期长等不利因素无法满足现代社会的发展需求.近年来大数据与人工智能不断深入结合,以数据驱动为核心的机器学习在新材料设计、筛选以及性能预测等方面取得巨大进展,极大促进了新材料的研发与应用.本综述总结了机器学习的基本过程及其在材料科学中常用的算法和相关材料数据库,重点介绍了机器学习在不同功能上的应用以及在催化剂材料、锂离子电池、半导体材料和合金材料等领域的性能预测和材料开发中的最新进展,并对其下一步在新材料应用方面提出展望.
|
| 关 键 词： | 机器学习 材料科学 材料基因组 高通量计算 |
Recent Advance of Machine Learning in Selecting New Materials |
| |
| Xingyi Qi,Yaofeng Hu,Ruoyu Wang,Yaqing Yang,Yufei Zhao.Recent Advance of Machine Learning in Selecting New Materials[J].Acta Chimica Sinica,2023,81(2):158-174. |
| |
| Authors: | Xingyi Qi Yaofeng Hu Ruoyu Wang Yaqing Yang Yufei Zhao |
| |
| Affiliation: | State Key Laboratory of Chemical Resource Engineering, College of Chemistry, Beijing University of Chemical Technology, Beijing 100029 |
| |
| Abstract: | |
| |
| Keywords: | machine learning materials science material genome high throughput computing |
|
| 点击此处可从《化学学报》浏览原始摘要信息 |
|
点击此处可从《化学学报》下载全文 |
|
