机器学习

第一作者：朱建功副教授 通讯作者：戴海峰教授、Michael Knapp 通讯单位：同济大学、德国卡尔斯鲁厄理工学院（KIT） 研究背景 锂离子电池健康状态（SoH）已被用作衡量使…

1. 橡树岭实验室Nat. Mach. Intell.: 主动学习用于发现铁电材料结构-性能关系 铁电材料中结构和拓扑缺陷的新兴涌现功能支撑了其从畴壁电子到高介电和机电响应的极其广…

在铜基催化剂上将CO2电化学还原（CO2ER）为多碳化学原料具有相当大的吸引力，但目前仍存在活性位点不明确的问题，这阻碍了催化剂的合理设计和大规模工业化。 在此，天津大学巩金龙教授…

单线态裂变（SF），即一个单线态激子转化为两个三线态激子，可以显著提高太阳能电池的效率。经历SF的分子晶体很少，计算探索可能会加速SF材料的发现。然而，用多体微扰理论（MBPT）计…

1. 华科徐明教授InfoMat: 机器学习揭示硫属化物玻璃中间隙态的结构起源 3D半导体集成技术的最新发展需要一个关键部件，即双向阈值开关（OTS）选择器来抑制高密度存储芯片中的…

随着现代计算机计算能力的提高、数学算法的快速发展及材料数据库的不断建立，人工智能（AI）在化学领域展现出巨大的潜力。机器学习（ML）作为AI最重要的分支之一，在加速液流电池（FBs…

1. 橡树岭实验室Nat. Mach. Intell.: 主动学习用于发现铁电材料结构-性能关系 铁电材料中结构和拓扑缺陷的新兴涌现功能支撑了其从畴壁电子到高介电和机电响应的极其广…

目前，作为数据驱动的人工智能方法的典型代表之一，机器学习已经被广泛应用于材料的性能预测和新材料发现。 近几年，随着实验、理论和计算数据的大量积累以及高效、准确的人工智能技术的迅速发…

1. IF=31.068，Nat. Rev. Phys.概述可解释机器学习在粒子物理学中的应用！ 机器学习（ML）方法在粒子物理学中具有广泛应用，但没有可解释性就不能保证算法学习的…

开发具有理想导热性的非晶聚合物具有重要意义，因为其在热传输至关重要的应用中无处不在。然而，传统的爱迪生式方法很慢且不能保证材料开发的成功。 在此，美国圣母大学罗腾飞、马瑞民等人采用…