Machine Learning in Materials Science
Resources:
1. 新材料开发
计算机模拟材料分子特性
替代人工挑选,ML加速研发,准确率高,而且专业素质要求低。
如何合成
优化周期
实际应用
性质、制备、优化、器件结构优化;
DFT计算材料性质,成本高。
2. 作用
性质预测
宏观材料:图像分析铁轨的腐蚀程度;
纳米材料
分子性质:字符串分析 + 图像分析
增强化学理论
3. 新化合物发现
结构导向
元素导向
反向设计
4. 展望
适用更小的数据集
提供更可靠的数据
优化材料特征表示
增强模型的可解释性
总结
- 创新在于设计,不在实验;
- 文献提取,结构化提取事实关系:The Open Science monitor;
- 机器阅读,更可靠地提取结构化内容。
- 本文作者: 鱼咸滚酱
- 本文链接: https://github.com/WangMeng2018/WangMeng2018.github.io/tree/master/2020/01/26/Machine-Learning-in-Materials-Science/
- 版权声明: 本博客所有文章除特别声明外,均采用 Apache License 2.0 许可协议。转载请注明出处!