前瞻网 09-15
综述研究:在光电子、电池等领域应用机器学习开发下一代功能材料
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

机器学习 ( ML ) 是一种从多维数据中快速有效地生成洞察力的通用技术。它为加速新材料的探索和调查提供了急需的途径,以应对气候变化等时间敏感的全球挑战。近年来,大数据集的可用性使得 ML 算法能够用于各种应用,包括实验 / 设备优化和材料发现。

近日,来自多伦多大学的研究人员报道了近年来 ML 在光电子、电池和电催化等领域材料发现的应用。并概述了这些进展背后的方法。本文还试图总结当前研究方法的一些关键挑战和趋势。

该研究详细介绍了 ML 的工作方法、参数空间优化,总结了 ML 在一系列领域的材料发现中的最新应用,从光电子到电池和电催化,以及这些应用背后的方法的概述。

鉴于模拟通常是自然的理想化复制,因此在计算机筛选之外评估拟议的候选非常重要,即通过实验准备材料并评估其功能。

该综述研究以 "Applied Machine Learning for Developing Next-Generation Functional Materials" 为题,发表在《先进功能材料》(Advanced Functional Materials)上。

前瞻经济学人 APP 资讯组

论文原文:

https://onlinelibrary.wiley.com/doi/10.1002/adfm.202104195

相关标签

大数据 机器学习 计算机
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…
打开 ZAKER 参与讨论