机器学习

在铜基催化剂上将CO2电化学还原（CO2ER）为多碳化学原料具有相当大的吸引力，但目前仍存在活性位点不明确的问题，这阻碍了催化剂的合理设计和大规模工业化。 在此，天津大学巩金龙教授…

单线态裂变（SF），即一个单线态激子转化为两个三线态激子，可以显著提高太阳能电池的效率。经历SF的分子晶体很少，计算探索可能会加速SF材料的发现。然而，用多体微扰理论（MBPT）计…

1. 华科徐明教授InfoMat: 机器学习揭示硫属化物玻璃中间隙态的结构起源 3D半导体集成技术的最新发展需要一个关键部件，即双向阈值开关（OTS）选择器来抑制高密度存储芯片中的…

随着现代计算机计算能力的提高、数学算法的快速发展及材料数据库的不断建立，人工智能（AI）在化学领域展现出巨大的潜力。机器学习（ML）作为AI最重要的分支之一，在加速液流电池（FBs…

1. 橡树岭实验室Nat. Mach. Intell.: 主动学习用于发现铁电材料结构-性能关系 铁电材料中结构和拓扑缺陷的新兴涌现功能支撑了其从畴壁电子到高介电和机电响应的极其广…

目前，作为数据驱动的人工智能方法的典型代表之一，机器学习已经被广泛应用于材料的性能预测和新材料发现。 近几年，随着实验、理论和计算数据的大量积累以及高效、准确的人工智能技术的迅速发…

1. IF=31.068，Nat. Rev. Phys.概述可解释机器学习在粒子物理学中的应用！ 机器学习（ML）方法在粒子物理学中具有广泛应用，但没有可解释性就不能保证算法学习的…

开发具有理想导热性的非晶聚合物具有重要意义，因为其在热传输至关重要的应用中无处不在。然而，传统的爱迪生式方法很慢且不能保证材料开发的成功。 在此，美国圣母大学罗腾飞、马瑞民等人采用…

具有本征低晶格热导率的新型化合物在基础研究中受到高度追捧，这将有助于设计和发现适用于设备应用的高效材料。高通量（HT）DFT 计算等现代计算方法加速了新化合物的发现，但该方法可能会…

过去的几十年中机器学习（ML）影响了电催化领域，研究人员开始利用基于ML的数据驱动技术来克服计算和实验限制以加速合理的催化剂设计。然而，很少有讨论ML流程整体协同加速CO2还原（C…

铁电材料中结构和拓扑缺陷的新兴涌现功能支撑了其从畴壁电子到高介电和机电响应的极其广泛的应用范围，许多功能已通过局部扫描探针显微镜方法被发现和量化。然而到目前为止，搜索一直是基于试错…

发展援助在帮助发展中国家实现可持续发展目标（SDG）方面发挥着至关重要的作用，其监测为决策者资助SDG提供了重要证据。然而，现有的全球发展援助监测存在相当大的局限性，导致极其困难和…

城市地区的地震风险最高，因为人口密度高且基础设施广泛而脆弱。理想情况下，城市地区密集的地震监测工作将被用来描述对城市构成最直接威胁的断层系统。然而，人口和基础设施导致风险暴露程度高…

深度学习（DL）是材料数据科学中发展最快的主题之一，其应用领域包括原子数据、基于图像的数据、光谱数据和文本数据等。DL允许分析非结构化数据和自动识别特征，大型材料数据库的最新发展推…

卤化物钙钛矿可进一步在维度和成分上进行设计，并用于储能应用。揭示离子与低维卤化物钙钛矿之间的相互作用对于实现下一代储能装置（如光充电离子电池和离子电容器）至关重要。 在此，南京信息…

机器学习（ML）在材料属性预测中的成功在很大程度上取决于如何表示材料以进行学习。目前存在两种主要的材料描述符，一种在表示中编码晶体结构，另一种仅使用化学计量信息。其中，图神经网络（…

机器学习（ML）方法在粒子物理学中具有广泛应用，但没有可解释性就不能保证算法学习的结果是正确/稳健的。开发可解释的ML/AI方法是为了消除多变量分析的黑箱问题，然而物理学中可解释A…

各种形态和成分的纳/微米材料在许多不同领域都有广泛的用途。然而，寻找具有所需结构、形状和尺寸的定制纳米材料仍然是一个挑战，并且通常通过在文献中进行人工筛选来实现。 在此，俄罗斯圣光…

为了为智能数字技术扩展无铅铁电体的未知材料空间，通过多组分合金化调整其成分复杂性，可以获得增强的极性特性。然而，目前仍缺乏用于这些多组分极性材料的原子设计规则，仅简单的第一性原理不…

未来气溶胶的预测和了解气溶胶变化的驱动因素对于改善大气环境和减缓气候变化具有重要意义。第六次国际耦合模式比较计划（CMIP6）提供了各种气候预测，但气溶胶输出有限。 为此，南京信息…