未全平台发布
-
橡树岭国家实验室AM: 假设学习用于探索自动化实验中的物理发现
目前,机器学习正迅速成为通过自动化、高通量合成及散射和电子/探针显微镜的主动实验进行物理发现的一个组成部分。反之,这迫切需要开发能够以最少的步骤探索相关参数空间的主动学习方法。 在…
-
南信大杨洋ES&T: 机器学习预测排放/气候变化驱动的气溶胶变化
未来气溶胶的预测和了解气溶胶变化的驱动因素对于改善大气环境和减缓气候变化具有重要意义。第六次国际耦合模式比较计划(CMIP6)提供了各种气候预测,但气溶胶输出有限。 为此,南京信息…
-
DeepMind/威尼斯大学Nature: 填补空白,使用深度神经网络破译古代文字!
古代史研究依赖于诸如金石学之类的学科,即研究铭文并将其作为古代文明思想、语言、社会和历史的证据。然而,几个世纪以来,许多铭文已经被损坏到难以辨认的程度,或是被运到远离其原始位置的地…
-
加州大学伯克利分校Nature: 机器学习基于移动手机数据实现精准扶贫
新冠大流行摧毁了许多低/中等收入国家,导致了广泛的粮食短缺和生活水平急剧下降。为应对这场危机,世界各国政府和人道主义组织已向超过15亿人分发了社会援助。其中,精准确定援助目标是一个…
-
学生坑导师!Science被撤稿后,他再次背靠背撤稿两篇JACS!
人物介绍 Masaya Sawamura Masaya Sawamura,北海道大学教授,主要研究领域为有机合成催化剂的分子设计,新的化学反应的开发,催化不对称合成方法的发展,化学…
-
固态电解质Nature Materials:界面修饰实现2mA/cm2临界电流密度!
研究背景 使用固态电解质(SSE)和锂负极的固态锂离子电池有望帮助大众市场实现运输电气化。这些电池的可充电性关键取决于锂在放电和充电期间在负极处的均匀剥离和沉积。使用固态电解质的原…
-
npj Comput. Mater.: 机器学习发现环境压力下控制实验材料稳定性的方程
虽然实验研究中的机器学习(ML)已经展示了令人印象深刻的预测能力,但从实验数据中提取可替代的知识表示仍然是一项难以捉摸的任务。 在此,美国麻省理工学院Tonio Buonassis…
-
npj Comput. Mater.: 自动DFT+机器学习模拟Ni3Al基合金的反相畴界能
反相畴界(APB)是平面缺陷,在强化镍基高温合金中起着关键作用,它们对合金成分的敏感性为合金设计提供了灵活的调整参数。 在此,美国加州大学伯克利分校Mark Asta、劳伦斯利弗莫…
-
AEM:局域浓缩离子液体电解质使富镍正极锂金属电池稳定循环500次!
基于富镍正极的锂金属电池(LMB)是下一代高能电池有希望的候选者。然而,高反应性电极通常与传统电解液表现出较差的界面相容性,从而导致循环性能有限。 卡尔斯鲁厄理工学院Stefano…
-
杨学林/李喜飞Small:多功能中空硫主体实现锂硫电池500次稳定循环!
中空纳米结构主体是实现高硫负载、快速电荷转移和显著抑制多硫化锂(LiPSs)在锂硫(Li-S)电池中穿梭的重要支架。然而,开发高效的中空主体以提高中空室中聚集硫的利用和转化率仍然是…