IF=54.564！Chem. Soc. Rev.综述: 基于机器学习理解、发现和合成二维材料

• 未全平台发布, 顶刊 • 阅读 7
IF=54.564！Chem. Soc. Rev.综述: 基于机器学习理解、发现和合成二维材料
机器学习（ML）正成为研究二维（2D）材料的有效工具。将计算或实验材料数据作为输入，ML算法可预测尚未发现的2D材料的结构、电子、机械和化学特性。这种预测扩展了对如何合成2D材料并将其用于各种应用的研究，并大大减少了发现和理解2D材料的时间和成本。
IF=54.564！Chem. Soc. Rev.综述: 基于机器学习理解、发现和合成二维材料
在此，美国阿贡国家实验室/芝加哥大学Junhong Chen教授等人简要介绍了ML在2D材料领域的最新应用，特别聚焦于2D材料的理解、发现和合成，并提供了一个全面的描述和未来的展望。ML方法可通过4个步骤执行：数据准备、模型选择、训练和评估。从对有监督学习、无监督学习和半监督学习的各种ML算法的总结开始，作者描述了这些算法如何应用于2D材料的具体研究。
作者讨论了各种回归和分类算法如何处理有/无标记的数据，并提取原本难以检测的有意义预测。这种由ML算法实现的预测有助于理解2D材料的力学、电学、化学性质及尚未发现的异质结构。接下来概述了使用ML制备2D材料的策略，ML可准确识别机械转移法制备的2D材料的层厚和尺寸并预测其合成概率。此外，还介绍了将ML用于基于2D材料在传感和催化方面应用的研究。
IF=54.564！Chem. Soc. Rev.综述: 基于机器学习理解、发现和合成二维材料
图1. 用于研究2D材料的常用ML算法
为了应用 ML，必须牢记几个挑战：i）很难获得足够大的数据量来使用ML来研究新发现的2D材料；ii）ML不仅需要大量而且还需要高质量的数据来产生准确的预测；iii）应使用实验或计算模拟仔细解释和验证来自ML的预测，因为此类预测并非来自对2D材料基础物理特性的理解。此外，利用ML可以开辟新的研究机会：
（1）可使用ML和机器人技术设计用于生产一系列2D材料及其异质结构的自动化系统；
（2）在传感应用中，ML可用于优化由2D材料制成的各种传感器；
（3）可采用ML来设计一个一体化的系统，包括一系列材料的“发现-理解-筛选-综合-应用”。总之，这篇综述不仅可以启发新手研究人员，还可以指导有兴趣在研究中应用ML的成熟研究人员。
IF=54.564！Chem. Soc. Rev.综述: 基于机器学习理解、发现和合成二维材料
图2. ML预测2D MXenes的可合成性

Understanding, discovery, and synthesis of 2D materials enabled by machine learning, Chemical Society Reviews 2022. DOI: 10.1039/D1CS00503K

原创文章，作者：v-suan，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/14/c07ac2755d/

赞 (0)
0

相关推荐