机器学习在新材料筛选方面的应用进展

被引：4

作者：

戚兴怡

胡耀峰

王若愚

杨雅清

赵宇飞

机构：

[1] 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

来源：

化学学报 | 2023年 / 81卷 / 02期

关键词：

机器学习; 材料科学; 材料基因组; 高通量计算;

D O I：

暂无

中图分类号：

TB30 [工程材料一般性问题]; TP181 [自动推理、机器学习];

学科分类号：

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.

引用

页码：158 / 174

页数：17

共 86 条

[1] 机器学习技术在材料科学领域中的应用进展
米晓希
汤爱涛
朱雨晨
康靓
潘复生
[J]. 材料导报, 2021, (15) : 15115 - 15124
[2] Accelerating materials discovery using machine learning
Yongfei Juan
Yongbing Dai
Yang Yang
Jiao Zhang
[J]. JournalofMaterialsScience&Technology, 2021, 79 (20) : 178 - 190
[3] Machine learning in materials genome initiative:A review
Yingli Liu
Chen Niu
Zhuo Wang
Yong Gan
Yan Zhu
Shuhong Sun
Tao Shen
[J]. Journal of Materials Science & Technology, 2020, 57 (22) : 113 - 122
[4] 人工智能助力当代化学研究
朱博阳
吴睿龙
于曦
[J]. 化学学报, 2020, (12) : 1366 - 1382
[5] 半导体材料领域国内标准现状及发展方向分析
杨素心
[J]. 世界有色金属, 2020, (14) : 154 - 156
[6] 神经网络全局势函数在多相催化中的应用
马思聪
刘智攀
[J]. 化工进展, 2020, (09) : 3433 - 3443
[7] 基于机器学习和高通量计算筛选金属有机框架的甲烷/乙烷/丙烷分离性能
蔡铖智
李丽凤
邓小梅
李树华
梁红
乔智威
[J]. 化学学报, 2020, 78 (05) : 427 - 436
[8] 机器学习在材料设计方面的研究进展
孙中体
李珍珠
程观剑
徐其琛
侯柱锋
尹万健
[J]. 科学通报, 2019, 64 (32) : 3270 - 3275
[9] Discovering unusual structures from exception using big data and machine learning techniques[J]. Jianshu Jie,Zongxiang Hu,Guoyu Qian,Mouyi Weng,Shunning Li,Shucheng Li,Mingyu Hu,Dong Chen,Weiji Xiao,Jiaxin Zheng,Lin-Wang Wang,Feng Pan.Science Bulletin. 2019(09)
[10] 金属有机骨架的高通量计算筛选研究进展
刘治鲁
李炜
刘昊
庄旭东
李松
[J]. 化学学报, 2019, (04) : 323 - 339

← 1 2 3 4 5 6 7 8 9 →