机器学习

说明：本文华算科技介绍了机器学习势函数的基本概念与计算化学视角下的关键要素，说明了如何用高精度量子数据训练模型以在大尺度模拟中近似第一性原理精度。 文章讨论了训练数据、原子描述与模…

  研究背景   异相催化作为现代化学工业的核心技术，在能源转换、环境保护和化工合成等领域发挥着不可替代的作用。传统上，密度泛函理论（DFT）计算被广泛应用于催化机理研究和催化剂设…

机器学习势函数（Machine Learning Potentials, MLPs）是一种基于数据驱动的势能面近似方法，旨在替代传统经验势函数或量子力学计算，以更高效、更准确地模拟…

机器学习（ML）作为人工智能的核心分支，其本质是构建能够从数据中自主学习的算法系统，而非依赖显式编程指令。根据Padamwar等人的精确定义，机器学习是“开发允许计算机基于数据进行…

高通量筛选（High-Throughput Screening, HTS）是一种现代科研中不可或缺的技术，广泛应用于药物研发、基因组学研究、材料科学等领域。 其核心在于通过自动化设…

说明：在分子动力学、蒙特卡洛等计算模拟领域，势函数作为描述原子/ 分子间相互作用的数学模型，犹如连接微观原子行为与宏观材料性能的 “物理引擎”，其选择直接决定模拟的精度、效率与物理…

机器学习势函数的定义与基本原理 机器学习势函数（Machine Learning Potentials, MLFFs）是一种基于机器学习技术的势能函数，用于模拟分子和材料的物理行为…

机器学习势函数（Machine Learning Potentials, MLPs）是近年来在材料科学、化学和凝聚态物理领域快速发展的计算工具。 它通过结合机器学习算法与量子力学计…

说明：本次主要概述了机器学习的定义、机器学习的应用领域、机器学习在XAFS中的三个应用案例，想要了解更多机器学习知识，欢迎关注我们！     做测试 找华算     什么是机器学习…

酸性电解质中的电化学水分解是一种有前景的生产清洁氢(H2)的方法，可以生产低至零碳足迹的可持续燃料和化学原料。 尽管阴极的析氢反应(HER)可以相对高效地进行，但阳极的析氧反应(O…

全球能源危机步步紧逼，传统化石燃料已无法满足需求，而钙钛矿太阳能电池以26.1%的超高效率（远超传统材料！），成为新能源赛道的“黑马”。但它的致命弱点——研发周期长、成本高，让科学…

1. 引言 自石墨烯被发现以来，二维材料因其独特的物理和化学性质而受到广泛关注。这些材料具有丰富的内部自由度（如自旋、激子、谷、亚晶格和层伪自旋），以及通过精确选择堆叠顺序和相对晶…

引言：能源材料的数字化革命 在碳中和与能源转型的全球浪潮中，能源材料的高效设计与发现成为科技突破的核心。传统实验方法受限于“试错”周期长、成本高，而计算材料学的兴起正通过“原子级模…

引言：液体电解质的挑战与AI的机遇 在锂离子电池中，液体电解质是连接正负极的“血液”，其性能直接影响电池的能量密度、循环寿命和安全性。然而，现有商用电解液多为多组分碳酸酯体系，实验…

如果说传统机器学习是“手工雕刻”，深度学习（Deep Learning）则像一场“自我生长”的智能革命——通过模仿人脑神经网络的层次化结构，它让机器具备了从原始数据中自动提取抽象特…

循环神经网络（Recurrent Neural Network, RNN）是处理序列数据（如文本、语音、时间序列）的核心模型。与传统神经网络不同，RNN通过引入“记忆”机制，赋予网…

前馈神经网络（Feedforward Neural Network, FNN）是深度学习领域最基础的网络架构，也是理解现代人工智能的第一把钥匙。它模仿人脑神经元的层级传递机制，通过…

卷积神经网络（Convolutional Neural Network, CNN）是深度学习中专门处理网格结构数据（如图像、视频、音频）的里程碑式模型。它通过模仿生物视觉系统的层次…

如果说监督学习是“手把手教学”，无监督学习是“自主探索”，那么强化学习（Reinforcement Learning, RL）则像一场刺激的生存游戏——机器作为智能体（Agent）…

2025年伊始，机器学习已在各个领域取得了巨大的发展，当下炙手可热的DeepSeek和Manus，其本质就是机器学习。从科学应用的角度，无论材料、化学、生物、物理、医学、工程等领域…