论文摘要
材料的发展在历史上是由人类的需求和欲望所驱动的,且在可预见的将来,这种情况应该会继续下去。到2050年,全球人口预计将达到100亿,人们对清洁高效能源、个性化消费产品、安全食品供应和专业医疗保健等方面的需求也将日益增加。新型功能材料是为目标属性或性能而定制的,这将是应对挑战的关键。从传统上讲,先进的材料都是通过经验或实验验证的方法发现的。因为现代实验和计算技术产生的大数据越来越容易获取,数据驱动或机器学习(ML)方法为发现和合理设计材料打开了新的蓝图。本文简要介绍了各种ML方法和相关的软件或工具。重点介绍了将ML方法应用于材料研究的主要思路和基本步骤。本文还总结了近期ML在多孔聚合材料、催化材料和含能材料的大规模筛选和优化设计中的重要应用。最后给出了结束语和展望。
论文目录
文章来源
类型: 期刊论文
作者: 周腾,Zhen Song,Kai Sundmacher
关键词: 大数据,数据驱动,机器学习,材料筛选,材料设计
来源: Engineering 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技
专业: 材料科学,计算机软件及计算机应用,自动化技术
单位: Process Systems Engineering, Max Planck Institute for Dynamics of Complex Technical Systems,Process Systems Engineering, Otto-von-Guericke University Magdeburg
基金: the financial support from Max Planck Society,Germany
分类号: TP181;TP311.13;TB30
页码: 1017-1026+1128-1139
总页数: 22
文件大小: 2849K
下载量: 303