机器学习

说明：原子掺杂是重要的材料调控策略，通过引入杂质原子改变材料电子结构、能带和载流子浓度，从而提升其催化、电学和光学性能。 近年第一性原理计算发展迅速，DFT成为揭示掺杂机理和缺陷态…

  说明：析氧反应（OER）与氧还原反应（ORR）是电催化核心反应，互为逆反应但机制不同。OER为水氧化生成氧气，ORR为氧气还原，路径依赖介质，二者对催化剂中间体吸附要求不同，活…

  说明：静电势是描述单位正电荷势能的标量场，源于原子核与电子云的叠加贡献，具有保守场、可叠加性等特性，是连接微观电子结构与宏观相互作用的核心量。 其计算方法涵盖DFT、PB方程、…

  说明：能垒是化学反应中过渡态与初始态的能量差，决定反应难易，其本质与势能面拓扑相关。计算方法包括DFT主导的CI-NEB等、处理强关联的多参考方法及高效的机器学习方法。 应用于…

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…

百亿原子级分子动力学模拟不仅是理解物质世界本质的“显微镜”，更是驱动技术创新的 “计算器”。它通过突破尺度限制，将原子世界的规律与人类现实需求直接连接，从新材料、新药研发到应对全球…

说明：本次主要介绍机器学习辅助的X射线吸收光谱（XAS）分析在双金属催化剂研究中的应用。文章介绍了双金属纳米粒子（BNPs）的特性、X射线吸收精细结构（XAFS）光谱技术的应用和局…

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…

一、招聘岗位 研究助理、科研助理。 二、研究方向 锂一次/二次电池电解液，或有机/高分子合成，或理论计算/机器学习。 三、应聘条件 1. 具有硕士及以上学历；专业背景包括材料、高分…

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…

研究背景 绿色氢气生产被认为是未来能源转型的关键技术之一，尤其是电解水分解技术。氢气的高质量生产依赖于高效的催化剂，而单原子催化剂（SACs）因其优异的催化性能和高利用率的特点，成…

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…

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…