基于机器学习的材料设计
- 分享到:
摘要：
材料创新一直是推动人类文明进步的重要引擎 , 随着现代科技对高性能材料日益增长的需求,材料科 学的重要性也逐渐凸显 . 传统的 “试错法 ”和第一性原 理 应 用 于 复 杂 的 材 料 设 计 还 有 较 大 的 局 限 性 . 机 器 学 习 已 发 展 成为材料科学研究的新范式 ,通过分析大量数据 ,可实现高通量筛选 、性能预测 、晶体结构预测和材料配方优化等方 面的功能 . 机器学习结合第一性原理方法的材料设计 ,为材料研究带来了崭新的思路 . 回顾了机器学习在材料设计领 域的应用 ,探讨了其加速材料创新 、降低试错成本 、定制化材料设计等方面的应用潜力 ,展望了其对材料科学领域带 来的机遇和挑战 .
Materialinnovation has always been a crucialdriverforhuman civilization, and with the growing demand for high-performance materials in modern technology, the importance of materials science is becoming increasingly evident. How- ever, relying solely on traditionaltrial-and-error methods and first-principles approaches for complex materials design has sig- nificantlimitations. Machinelearninghas evolved into a new paradigm formaterials scienceresearch, enablinghigh-throughput screening, performance prediction, crystalstructure prediction, and material formulation optimization through the analysis of large datasets. The combination of machine learning withfirst-principles methods in materials design has introduced innovative approaches to materialresearch. Thisreview looks back on theapplicationsofmachinelearningin materials design and explores its potentialapplications in accelerating material innovation, reducing trial-and-error costs, and customizing material design, providing an outlook on the opportunities and challenges in the field of materials science.
作者：
陆文聪,吴炎淼,刘太昂,卢天,纪晓波,邢雷凯
Lu Wencong,Wu Yanmiao,Liu Taiang,Ji XiaoBo，Xing LeiKai(etal.Machinelearning-based materials design[J] .JournalofHenan NormalUniversity(NaturalScience Edition) ,2024,52(4) :120-131. DOI:10. 16366/j. cnki.1000-2367. 2023. 11. 16. 0003. )
机构地区：
上海大学 理学院化学系
引用本文：
陆文聪,吴炎淼,刘太昂等.基于机器学习的材料设计[J].betway官方app 学报(自然科学版),2024,52(4):120-131.
Lu Wencong,Wu Yanmiao,Liu Taiang,etal.Machinelearning-based materials design[J].JournalofHenan NormalUniversity(NaturalScience Edition),2024,52(4):120-131.DOI:10.16366/j.cnki.1000-2367.2023.11.16.0003.
基金：
国家自然科学基金(52102140) ;云南贵金属实验室重大科技专项(YPML-2023050205;YPML-2023050208) .
关键词：
机器学习 ;材料设计 ;配方优化
Keywords: machine learning; materials design; recipe optimization
分类号：
O69
