机器学习

1. Science子刊: 将非线性机器学习模型简单线性组合，可解释性大大增强！ 机器学习模型可以快速准确地预测材料特性，但通常缺乏透明度。可解释性技术可与黑盒解决方案一起使用，或…

博后招聘

本文提出了一种主动学习策略，以加速基于非常稀疏数据的高熵合金在实际无限的组成空间的设计。

1. 华科袁烨教授EES: 深度迁移学习实时个性化预测锂离子电池健康状态！ 实时、个性化的锂离子电池健康管理，有利于提升终端用户的安全性。然而，由于不同的使用兴趣、动态的操作习惯和…

本文利用基于密度泛函理论的计算和机器学习的原子间势，对全固态LSB中正极-电解质界面的热力学和动力学进行了全面研究。

本文报道了一种数据驱动策略，采用DFT与机器学习（ML）算法相结合来预测1120个DMSCs

多组分无机化合物的发现可为科学和工程挑战提供直接解决方案，但巨大的未知材料空间使合成产量相形见绌。虽然晶体结构预测（CSP）可以缓解这种情况，但CSP的指数复杂性和昂贵的DFT计算…

活体和共培养系统中的细胞识别和计数在细胞相互作用研究中至关重要，但目前的方法主要依赖于复杂且耗时的染色技术。 在此，浙江大学计剑教授及吉林大学田圃教授等人提出了一种无标记的原位方法…