检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

机器学习在晶体生长中的应用研究进展

硅酸盐学报 2024年第7期52卷 2412-2424页

作者：杨明亮王瑞仙孙贵花王小飞窦仁勤何異张庆礼中国科学院合肥物质科学研究院安徽光学精密机械研究所光子器件与材料安徽省重点实验室中国科学技术大学先进激光技术安徽省实验室

制备大尺寸优质晶体是材料领域的重要课题，当前晶体生长仍十分依赖于技术人员的生长经验，耗时长，成本高，导致研制进度十分缓慢。随着计算机科学的发展，机器学习有望加快大尺寸晶体生长工艺的探索速度。本文概述了机器学习在晶体生... 详细信息

制备大尺寸优质晶体是材料领域的重要课题，当前晶体生长仍十分依赖于技术人员的生长经验，耗时长，成本高，导致研制进度十分缓慢。随着计算机科学的发展，机器学习有望加快大尺寸晶体生长工艺的探索速度。本文概述了机器学习在晶体生长中的应用，重点介绍了进化算法和神经网络算法，并概括了国内外相关领域的研究成果。在晶体结构预测方面，已成功开发出晶体结构预测软件，如CrystalStructurePredictionNetwork(CRYSPNet)、UniversalStructurePredictor:Evolutionary Xtallography (USPEX)和Crystal structure AnaLYsis by Particle Swarm Optimization (CALYPSO)。在晶体生长条件优化方面，机器学习已成功用于铸锭炉热场优化、Si C、YAG、Si单晶温场以及生长工艺参数优化，取得了显著的效果。在晶体生长控制方法方面，机器学习已成功改进了激光晶体、Si单晶的直径控制，并在Si单晶晶体质量控制以及模型的自适应控制方法方面也取得了一定的进展。机器学习具有高精度、高效率的特点，可避开复杂的物理化学过程，通过从大量数据中挖掘信息和规律，实现晶体结构预测、晶体生长条件优化以及晶体生长精准控制。但机器学习在晶体生长中的应用也面临诸多挑战，包括大尺寸多元复杂体系的晶体结构预测、模型物理解释和数据处理、晶体生长过程的物理机制和控制规律以及多因素的耦合和复杂系统的模拟等。

关键词：计算机科学机器学习晶体生长结构预测

机器学习在食品风味领域的研究进展与未来趋势

在线全文

学校读者我要写书评

暂无评论

食品科学 2024年第10期45卷 28-37页

作者：陈靓阳佳红田星湖南中医药大学药学院湖南长沙410208 湖南中医药大学湖南省中医药民族医药国际联合实验室湖南长沙410208

随着生活水平不断提高,人们除了关心食物是否美味外,其健康要素和良好风味的结合也越来越受到重视。食品风味成分不仅是影响食品感官品质的重要因素,也是影响食品营养水平的关键指标。目前,传统方法对食品风味成分进行分析及预测费时费... 详细信息

随着生活水平不断提高,人们除了关心食物是否美味外,其健康要素和良好风味的结合也越来越受到重视。食品风味成分不仅是影响食品感官品质的重要因素,也是影响食品营养水平的关键指标。目前,传统方法对食品风味成分进行分析及预测费时费力,且无法处理大量数据。相比之下,机器学习是人工智能的核心,在区分差异性以及寻找共同性上具有传统分析技术难以比拟的优势,在食品风味分析领域已取得了良好的应用。基于此,本文围绕机器学习在食品风味领域的研究现状,介绍常用的机器学习方法的原理和优点,及其在食品风味预测及调节中的最新应用与前景。重点探讨现代智能感官检测技术结合机器学习在食品风味分析领域研究的优势与未来趋势,以期为食品风味分析与预测领域研究提供新思路和理论基础。

关键词：机器学习食品风味风味分析与预测智能感官检测技术研究进展

机器学习辅助的[5,6]稠环含能化合物高通量设计

在线全文

学校读者我要写书评

暂无评论

含能材料 2024年第6期32卷 573-583页

作者：潘林虎王睿辉樊明仁宋思维王毅张庆华西北工业大学航天学院陕西西安710072

与经验和计算指导的研发模式相比,机器学习辅助的含能分子高通量虚拟筛选技术,在分子设计效率及构效关系定量分析方面都展现出明显优势。鉴于富氮稠环含能化合物较好的能量-稳定平衡特性,研究利用机器学习辅助的高通量虚拟技术对[5,6]... 详细信息

与经验和计算指导的研发模式相比,机器学习辅助的含能分子高通量虚拟筛选技术,在分子设计效率及构效关系定量分析方面都展现出明显优势。鉴于富氮稠环含能化合物较好的能量-稳定平衡特性,研究利用机器学习辅助的高通量虚拟技术对[5,6]富氮稠环类含能分子的化学空间进行了探索研究,基于[5,6]全碳骨架,通过组合枚举和芳香性筛选得到142689个[5,6]稠环类化合物,同时采用核岭回归算法建立并优化了6个含能分子性能预测模型(密度,分解温度,爆速,爆压,撞感和生成焓),分析了稠环上的氮氧原子以及分子上官能团对含能化合物性能的影响。结果发现,所生成稠环化合物的构效关系与含能化合物能量与稳定性相关性的一般规律相符,验证了模型的合理性。以爆速和分解温度作为能量和热稳定性的标准,研究进而筛选获得了5个综合性质较为突出的分子,利用DFT等量子化学计算的结果与本研究模型预测结果符合良好,进一步验证了预测模型的精度。

关键词：机器学习高通量筛选核岭回归分子设计稠环含能化合物

在线全文

学校读者我要写书评

暂无评论

机器学习在预测食品风味中的研究进展

食品科学 2024年第12期45卷 11-21页

作者：蔡尉彤冯涛宋诗清姚凌云孙敏王化田于闯柳倩上海应用技术大学香料香精化妆品学部上海201418

食品风味在人们生活中起着重要作用。传统的风味分析检测方法对于预测食品风味的能力有限,近年来已有不少研究者利用机器学习模型对食品风味信息进行有效的处理,建立得到分类和预测模型,使风味预测变得更准确和高效。本文综述了传统和... 详细信息

食品风味在人们生活中起着重要作用。传统的风味分析检测方法对于预测食品风味的能力有限,近年来已有不少研究者利用机器学习模型对食品风味信息进行有效的处理,建立得到分类和预测模型,使风味预测变得更准确和高效。本文综述了传统和新型机器学习方法的原理,如支持向量机、随机森林、k最近邻和神经网络,及其与风味分析仪器、分子结构分析两种方法相结合并用于食品风味预测的研究进展,为机器学习模型在食品风味分析和预测中的应用提供新思路。通过总结发现机器学习模型可用于预测不同物质成分对风味的影响、识别不同产地的风味特征等,并且将多种机器学习模型结合分析的方法可提高预测的精度和可靠性,推动促进食品风味的深入研究和发展。

关键词：机器学习食品风味预测风味检测分子结构

机器学习辅助钙钛矿薄膜制备工艺优化及特征重要性评估

在线全文

学校读者我要写书评

暂无评论

发光学报 2024年第3期45卷 399-406页

作者：弓箭陈谦李阳马梦恩马玉姣吴绍航刘冲麦耀华五邑大学智能制造学部广东江门529020 暨南大学物理与光电工程学院广东广州510632

钙钛矿太阳能电池仅用十年左右的时间将效率提升至认证的26.1%,非常接近晶硅太阳能电池26.81%的认证效率,展现出巨大的产业化潜力。当前,钙钛矿太阳能电池器件效率还在提升,然而在器件制备过程中,钙钛矿太阳能电池的性能受到许多不可分... 详细信息

钙钛矿太阳能电池仅用十年左右的时间将效率提升至认证的26.1%,非常接近晶硅太阳能电池26.81%的认证效率,展现出巨大的产业化潜力。当前,钙钛矿太阳能电池器件效率还在提升,然而在器件制备过程中,钙钛矿太阳能电池的性能受到许多不可分割的因素影响,传统方法往往采用试错的方式来优化钙钛矿太阳能电池的制备工艺,花费了大量的时间。贝叶斯优化是一种全局优化算法,在解决人工智能的黑盒问题方面取得了很大的成功。本文利用贝叶斯优化算法对钙钛矿层涉及到的碘化铅(PbI2)过量百分比、退火温度、退火时间、真空萃取时间四个工艺参数进行优化选择,显著降低了研发成本,缩短了研发时间。通过五轮实验迭代,累计34组工艺条件,制备出了器件效率为23.56%的反型钙钛矿太阳能电池。

关键词：钙钛矿太阳能电池机器学习工艺优化高效率

机器学习算法用于自密实混凝土性能设计的研究进展

在线全文

学校读者我要写书评

暂无评论

材料导报 2024年第11期38卷 104-113页

作者：龙武剑罗盛禹程博远冯甘霖李利孝深圳大学土木与交通工程学院广东深圳518060 广东省滨海土木工程耐久性重点实验室广东深圳518060

为了厘清自密实混凝土材料各组分与其工作性能、力学性能、耐久性能间的复杂耦合影响机制,近年来,机器学习方法被越来越多地应用于自密实混凝土配合比设计与优化以及性能分析方面的研究。机器学习方法具有在复杂数据集中学习数据间的内... 详细信息

为了厘清自密实混凝土材料各组分与其工作性能、力学性能、耐久性能间的复杂耦合影响机制,近年来,机器学习方法被越来越多地应用于自密实混凝土配合比设计与优化以及性能分析方面的研究。机器学习方法具有在复杂数据集中学习数据间的内在规律或映射关系的能力,在自密实混凝土设计领域被认为是构建混凝土原材料配合比与性能间映射关系模型的一种具有广阔前景的技术手段。然而,机器学习方法由于其依赖的数据集难以满足以及算法架构的可解释性较差等因素限制,使得基于机器学习在自密实混凝土性能设计领域面临着一系列挑战。本文系统总结梳理当前机器学习在自密实混凝土各项性能设计的应用情况,重点分析数据驱动的机器学习算法应用于自密实混凝土设计领域时面临的主要技术难点:高维度与小样本数据的难题、性能多目标优化难题、模型复杂而缺乏可解释性难题;归纳总结机器学习在自密实混凝土材料性能设计领域应用的发展趋势及未来发展方向。

关键词：机器学习自密实混凝土配合比设计性能预测

在线全文

学校读者我要写书评

暂无评论

机器学习-多元线性回归预测铜的水生态基准

中国环境科学 2024年第7期44卷 3976-3985页

作者：杨晓玲王梦晓李晓娟袁雅文邵美晨穆云松白英臣吴丰昌中国人民大学化学与生命资源学院北京100872 中国环境科学研究院环境基准与风险评估国家重点实验室北京100012

以铜和我国代表性水生生物作为研究对象,在原有生物配位体模型(BLM)理论框架基础上,通过梯度提升决策树算法筛选和评估环境要素(硬度、pH值和溶解有机碳)的特征重要性,建立多变量耦合的多物种水生毒性预测模型;在此基础上对毒性预测值... 详细信息

以铜和我国代表性水生生物作为研究对象,在原有生物配位体模型(BLM)理论框架基础上,通过梯度提升决策树算法筛选和评估环境要素(硬度、pH值和溶解有机碳)的特征重要性,建立多变量耦合的多物种水生毒性预测模型;在此基础上对毒性预测值进行物种敏感度分布(SSD)分析,构建适合我国水环境特征的铜淡水生态基准预测模型.研究发现,基于3门5科水生毒性数据建立的三参数耦合预测模型的预测准确率(RFx,2.0)比BLM模型提升了42%;以Sigmoidal-logistic1模型拟合SSD曲线的效果最佳(0.9220.05),进而计算出我国流域水环境中铜的短期水生态基准推荐阈值为0.07350~15.38µg/L;基于机器学习的特征重要性分析定量识别了DOC在金属水生态基准制定中的关键作用,也为众多环境影响因素的集约化处理提供直接证据.与以BLM模型为代表的国外技术相比,研究工作在开发适用于中国水环境特征和管理需求的金属“原位”水质基准制定技术方面做了有益尝试,不仅节约了环境监测和管理成本,也体现了水环境管理的区域化和精准化.

关键词：铜 DOC 水质基准模型校正物种敏感度分布机器学习

在线全文

学校读者我要写书评

暂无评论

机器学习辅助乙硫醇高效吸收溶剂分子设计

化工学报 2024年第3期75卷 914-923,F0001页

作者：陈宇翔刘传磊龚子君赵起越郭冠初姜豪孙辉沈本贤华东理工大学石油加工研究所上海200237 中国科学院过程工程研究所北京100190 华东理工大学绿色能源化工国际联合研究中心上海200237 新疆大学石油天然气精细化工教育部重点实验室新疆乌鲁木齐830046

针对传统胺洗脱硫工艺中有机硫脱除效率低,溶剂开发周期长、成本高等问题,利用7种机器学习算法建立了乙硫醇溶解度的定量构效关系模型,运用SHAP方法阐释了乙硫醇的吸收机理,对备选分子库进行了虚拟筛选,识别出高效吸收脱除乙硫醇的溶剂... 详细信息

针对传统胺洗脱硫工艺中有机硫脱除效率低,溶剂开发周期长、成本高等问题,利用7种机器学习算法建立了乙硫醇溶解度的定量构效关系模型,运用SHAP方法阐释了乙硫醇的吸收机理,对备选分子库进行了虚拟筛选,识别出高效吸收脱除乙硫醇的溶剂。基于COSMO-RS模型计算了14732种溶剂的乙硫醇溶解度,这些分子覆盖了广泛的化学空间;XGBoost算法在预测乙硫醇溶解度方面表现最佳,该算法的R^(2)_(test)为0.66,RMSE为1.22,MAE为0.84;分子结构的复杂程度、共价键分布、电荷分布是影响乙硫醇溶解能力的关键因素;确定了4种候选溶剂:3-乙氧基丙胺、3-二乙胺基丙胺、1,4-二甲基哌嗪和3-丁氧基丙胺;平衡溶解度测定实验的结果表明3-丁氧基丙胺的乙硫醇吸收性能最优,亨利常数为37.34kPa。

关键词：分子设计机器学习溶解度吸收

维普期刊数据库博看期刊

机器学习方法在矿井水防治理论体系研究中的应用思考

在线全文

学校读者我要写书评

暂无评论

煤田地质与勘探 2024年第5期52卷 107-117页

作者：姚辉尹慧超梁满玉尹尚先侯恩科连会青夏向学张金福吴传实西安科技大学地质与环境学院陕西西安710054 华北科技学院河北省矿井灾害防治重点实验室北京101601 防灾科技学院信息工程学院河北廊坊065201 山西朔州平鲁区国强煤业有限公司山西朔州036012

致灾机理、危险性评价、灾变预测共同构成矿井水防治理论体系基本内容,其在过去20多年里快速发展,目标是理解矿井水行为特征,预测演化趋势,服务矿区水害防治工作。机器学习是大数据时代进行数据分析和挖掘的有力工具。将机器学习应用于... 详细信息

致灾机理、危险性评价、灾变预测共同构成矿井水防治理论体系基本内容,其在过去20多年里快速发展,目标是理解矿井水行为特征,预测演化趋势,服务矿区水害防治工作。机器学习是大数据时代进行数据分析和挖掘的有力工具。将机器学习应用于矿井水防治理论体系研究,已得到相对广泛的关注。针对理论体系的3项基本内容,重点讨论了机器学习在各内容建设中的具体应用,主要包括:根据不同水害类型分类简述致灾机理研究现状,指出机器学习应用暂为空白的原因为其不具备做出假设的能力。认为未来致灾机理研究方法依然以传统方法(理论分析、数值模拟、相似模拟等)为主,机器学习促进地质数据获取与处理,对机理研究作出贡献;分析方法优势,指出机器学习作用于危险性评价的主要方式为非结构化数据的处理及丰富评价方法;分析基于物理和基于数据的单一预测模式弊端,论述物理模型与数据驱动相结合的必要性,相应给出“模型-数据”双驱动预测模式的3种实现形式,并讨论了基于图像的灾变预测方法可行性。随着生产数据及地质数据的丰富,机器学习方法可推动理论体系研究快速发展,并为矿井水防治学科系统方法论研究作出贡献。

关键词：机器学习矿井突水矿井水防治理论体系大数据