检索结果-南通市图书馆

科学通报 2024年第32期69卷 4730-4747页

作者：杨帅刘建军金帆陆颖中国科学院成都文献情报中心成都610299 中国科学院大学经济与管理学院信息资源管理系北京100049 中国科学院上海硅酸盐研究所高性能陶瓷和超微结构国家重点实验室上海200050 中国科学院深圳先进技术研究院合成生物学研究所深圳518055

材料科学作为一门关键学科,在推动社会进步和科技创新中发挥着不可替代的作用.随着人工智能(artificial intelligence,AI)和大数据技术的飞速发展,材料科学的研究范式正在经历一场深刻的变革,本综述探讨了AI与大数据结合,如何重塑材料... 详细信息

材料科学作为一门关键学科,在推动社会进步和科技创新中发挥着不可替代的作用.随着人工智能(artificial intelligence,AI)和大数据技术的飞速发展,材料科学的研究范式正在经历一场深刻的变革,本综述探讨了AI与大数据结合,如何重塑材料科学的研究范式(AI formaterials science),加速计算材料学的发展,并推动实验过程的革新.首先,概述了大数据背景下材料数据库的基础设施建设.这些数据库作为科研工作的基石,为材料数据的存储、管理和分析提供了强大的支持.接着,讨论了AI技术在材料发现周期各阶段的应用,并介绍了AI与实验室自动化和机器人技术融合形成的自我驱动实验室(self-driving laboratories,SDLs)的兴起.SDLs实现了材料发现的完整闭环流程,推动了科学研究向自主科学发现模式的重要转变.此外,大型语言模型(largelanguagemodels,LLMs)的发展更是为自然语言理解带来了革命性变化,推动科学LLMs的兴起,拓宽了从文本理解到科学探索的能力.本文进一步综述了材料科学中大型语言模型的最新进展,强调了它们在加速材料发现过程中的关键作用.最后,探讨了AI在材料研究中的巨大潜力,并审视了构建材料研究智能生态系统所面临的挑战.通过对相关研究进展的梳理,本文旨在为科研人员提供信息参考,并揭示AI在材料研究中的重要性.

关键词：人工智能材料发现自我驱动实验室大型语言模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的卤化物双钙钛矿材料性能预测

引用

太阳能学报 2024年第4期45卷 107-115页

作者：张琪鑫徐章洋冯萍涂洁磊云南省农村能源工程重点实验室云南师范大学昆明650500

以卤化物双钙钛矿材料为研究对象,利用机器学习方法高速、高精确预测卤化物双钙钛矿材料的带隙和相对稳定性。使用贝叶斯岭回归、梯度提升回归、支持向量回归和XGBoost这4种算法建立模型,分析得出:梯度提升回归可为相对稳定性提供最高... 详细信息

以卤化物双钙钛矿材料为研究对象,利用机器学习方法高速、高精确预测卤化物双钙钛矿材料的带隙和相对稳定性。使用贝叶斯岭回归、梯度提升回归、支持向量回归和XGBoost这4种算法建立模型,分析得出:梯度提升回归可为相对稳定性提供最高性能预测(R^(2)=0.9161,MAE=0.2061),XGBoost可为带隙提供最高性能预测(R^(2)=0.9899,MAE=0.0542);采用SHAP方法解释模型后,对元素替换后的新样本进行筛选,最终获得18种光吸收范围理想且稳定性良好的卤化物双钙钛矿。结果表明,相比传统方法,基于数据驱动的机器学习方法可有效加速功能材料的发现,提高设计效率。

关键词：卤化物双钙钛矿机器学习特征工程材料发现太阳电池

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的二维五边形材料性质预测

基于机器学习的二维五边形材料性质预测

引用

作者：尚书夏兰州大学

学位级别：硕士

2D五边形材料具有应力可调控的带隙,特殊的拓扑结构以及量子霍尔效应等优异性能,使它们在纳米电子器件、光电探测器、压电材料、太阳能电池以及自旋电子方面有广泛的应用前景。由于高精度理论计算和实验测量的周期长和成本高等缺陷,机... 详细信息

2D五边形材料具有应力可调控的带隙,特殊的拓扑结构以及量子霍尔效应等优异性能,使它们在纳米电子器件、光电探测器、压电材料、太阳能电池以及自旋电子方面有广泛的应用前景。由于高精度理论计算和实验测量的周期长和成本高等缺陷,机器学习建模以操作简单、周期短和高通量的优势在材料领域有着非常大的应用前景。在本论文中,先用机器学习结合第一性原理预测2D类五边形石墨烯材料的结合能和带隙,利用构建的模型筛选虚拟结构库得到两个具有宽带隙的新型2D类五边形石墨烯结构。再用机器学习算法构建2D五边形材料的带隙分类、回归模型以及结构分类模型,以对未知2D五边形材料的相关性质和结构类型做出正确的判断,从而减少实验探索所需的时间和成本,加速2D五边形材料的发展。第一二章,简单介绍了2D五边形材料的结构特点、优异的性能以及主要的应用领域,同时阐述了目前材料设计和性质预测方法的研究进展各自的不足之处还有机器学习在材料领域的研究应用和优势,最后详细介绍了本文涉及的几种机器学习算法并简单概括了其它的几种常用算法。第三章,基于简单易获得的描述符和第一性原理计算的目标值构建的机器学习模型,能够准确地预测2D类五边形石墨烯材料的结合能(Cohensive Energy,E)和带隙(Band Gap,E)。采用支持向量机(Support Vector Machine,SVM)算法和遗传算法-多元线性回归(Genetic Algorithm-Multiple Linear Regression,GA-MLR)构建结合能回归模型,SVM模型测试集的R和RMSE分别为0.980和0.179 eV/atom,效果最好。采用SVM算法构建带隙分类模型,训练集和测试集的分类准确率分别95.6%和83.3%;利用SVM算法构建的带隙回归模型对测试集的预测能力R和RMSE分别达到了0.995和0.166 eV,说明SVM方法对于带隙分类和回归预测可以得到非常精确的结果。最后,用构建的模型对720个2D类五边形石墨烯结构进行筛选,并采用第一性原理精确计算预测的带隙值排在前10的结构,得到了两个可用于宽带隙的新型2D类五边形石墨烯结构GeN和ZnS。第四章,先采用SVM和随机森林(Random Forest,RF)算法对73个2D五边形结构样本的带隙进行分类建模,SVM模型区分金属和非金属性质的能力较高,对训练集和测试集的分类准确率分别达到了98.2%和94.4%。然后,用SVM和GA-MLR算法对E>0 eV的36个样本进行回归建模,GA-MLR模型测试集的RMSE仅为0.247 eV。此外,为了帮助实验人员快速判断2D五边形材料的结构类型是哪种,对选择的样本也进行了结构分类建模,得到的SVM模型对于目前主要存在的三种五边形结构类型测试集的分类准确率达到92.6%。机器学习模型能够短时间内对未知五边形结构是哪种结构类型、金属性质和非金属性质进行准确判断,同时可以预测出具体的E值。大大缩短了高精度计算和实验测量所耗费的时间,促进新的2D五边形材料的发现和发展。

关键词： 2D五边形结构 2D类五边形石墨烯结构机器学习第一性原理计算结合能带隙回归材料发现性质预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于机器学习的固态电解质可视化分析与研究

基于机器学习的固态电解质可视化分析与研究

引用

作者：邵慧电子科技大学

学位级别：硕士

提升对非化石清洁能源的消耗比重能够有效调节二氧化碳的总排放水平,对于实现碳达峰和碳中和的“双碳”目标意义重大。而锂离子电池作为重要的非石化能源,被广泛应用于通讯、交通、穿戴设施、照明系统以及日常生活中的方方面面,非常富... 详细信息

提升对非化石清洁能源的消耗比重能够有效调节二氧化碳的总排放水平,对于实现碳达峰和碳中和的“双碳”目标意义重大。而锂离子电池作为重要的非石化能源,被广泛应用于通讯、交通、穿戴设施、照明系统以及日常生活中的方方面面,非常富有发展前景。传统的锂离子电池结构中的电解质都是液态的,一般性质不稳定且易燃,较容易产生许多的安全隐患问题。因此专家们正在试图用具有更稳定性的安全系数更高的固体电解质来取代传统液态酸电解质,以减少锂离子电池的安全隐患问题,这也将成为当前的主要研究课题。使用传统的“试错”方法寻找合适的替代材料非常困难,材料发掘成本很高。为此本文引入基于机器学习的数据驱动方法,将其用于材料预测和新材料发掘,能有效降低材料发现的成本并提升效率。然而,对于材料领域专家而言,机器学习的使用存在一定的门槛,而且专家们不仅希望能预测材料属性,还希望能了解不同输入特征之间的关联性、输入特征与预测性能之间的关联性,并通过考察不同算法的预测效果来选择最优算法以及寻找预测结果之间是否具有共同属性规律。在这种情况下,本文构建了一个直观的交互式可视分析系统MatExplorer,能够帮助专家更好地理解与使用机器学习模型,来多角度探索和分析材料特征和离子电导率之间的关联,起到一个辅助分析的作用。本文的主要工作如下:(1)可视化总体模型构建与系统设计。本文的研究基于材料数据,大致包括数据预处理,构建预测模型,构建可视化系统和交互评估四个阶段。将机器学习预测和可视分析相结合,作为寻找合适材料的解决入口。(2)可视化系统的任务分析提取和设计准则提取。从用户角度出发,充分挖掘出用户对系统的期望与功能需求,并以此提炼出设计系统任务和设计准则作为可视化系统设计的理论依据。(3)可视化系统MatExplorer的最终实现。本系统采取了多方位的可视化方案,包含参数设置模块、材料分析模块、特征分析模块、算法模型效果模块,能够让用户从多角度去探索和分析含锂材料的表征数据细节。(4)结合可视化系统和材料数据进行具体案例分析与探索。通过实例证实了本文系统MatExplorer的有效性和现实意义,能大大缩减材料发现的探索空间,从而节省材料计算和实验的人力物力成本。

关键词：交互式可视分析机器学习材料发现固态电解质离子电导率

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：