机器学习

古代史研究依赖于诸如金石学之类的学科，即研究铭文并将其作为古代文明思想、语言、社会和历史的证据。然而，几个世纪以来，许多铭文已经被损坏到难以辨认的程度，或是被运到远离其原始位置的地…

新冠大流行摧毁了许多低/中等收入国家，导致了广泛的粮食短缺和生活水平急剧下降。为应对这场危机，世界各国政府和人道主义组织已向超过15亿人分发了社会援助。其中，精准确定援助目标是一个…

反相畴界（APB）是平面缺陷，在强化镍基高温合金中起着关键作用，它们对合金成分的敏感性为合金设计提供了灵活的调整参数。 在此，美国加州大学伯克利分校Mark Asta、劳伦斯利弗莫…

准确的衰减轨迹和未来寿命是新一代智能电池和电化学储能系统的关键信息，仅使用少数已知的历史数据来获得针对不确定应用条件的准确预测是非常具有挑战性的。 在此，北京理工大学熊瑞教授、美国…

大量的纳米材料被发现具有类似酶的催化活性，因此被称为纳米酶。研究表明，多种内外部因素均会影响纳米酶的催化活性。然而，目前仍缺乏必要的方法来揭示纳米酶特征和类酶活性之间的隐藏机制。 …

在酸性介质中寻找高效、稳定和低成本的水分解和氧还原反应（ORR）电催化剂对于开发可再生能源具有重要意义，但仍然是一个持续的挑战。 在此，北京化工大学黄世萍教授联合北京计算科学研究中…

1. Science子刊: 机器学习辅助揭示聚酰胺膜中纳米形态发生机制和性能相关性 生物形态发生学激发了许多有效的策略，通过使用一组固定的组件使材料结构和功能多样化。然而，设计软纳…

1. 9个共同一作，深度强化学习登上Nature，用于控制核聚变！ 托卡马克是利用磁约束进行受控核聚变研究的环形装置，是产生可持续电力的主要候选者。其核心挑战是在托卡马克容器内形成…

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…