机器学习

第一作者：Antonio Elia Forte 通讯作者：Antonio Elia Forte, Katia Bertoldi 第一通讯单位：哈佛大学 研究背景 可从平面变形为3D…

无铅双钙钛矿（A2BB′X6）被认为是单钙钛矿的稳定和绿色光电替代品，但可能表现出间接带隙和高有效质量，从而限制了它们的最大光伏效率。此外，常规的实验试错法和高通量计算无法快速识别…

1. 加州大学伯克利分校Science子刊: 监督学习预测蛋白质对碳纳米管的吸附 工程纳米粒子有利于生物技术应用，包括生物分子传感和递送。然而，在生物系统中测试纳米技术的兼容性和功…

设计用于高精度分离的单物种选择性膜需要对控制溶质传输的分子相互作用有基本的了解。各种离子特异性会影响离子传输，从而影响离子选择性。然而，每个特性对选择性运输的相对重要性仍然很大程度…

在时空覆盖范围内预测环境PM2.5浓度是提醒决策者注意污染事件的关键，尤其是在地面空气监测站有限的地区。现有方法要么依靠化学传输模型（CTM）来预测具有非平凡不确定性的PM2.5空…

Y6及其衍生物大大提高了有机光伏（OPV）的功率转换效率（PCE）。通过研究这些材料的化学结构和性能之间的关系，进一步开发高性能的Y6衍生物受体材料，将有助于加速OPV的发展。 在…

高熵陶瓷（HEC）在高应力和高温等苛刻条件下显示出巨大的应用潜力。然而，巨大的相空间对新型高性能HEC的合理设计提出了巨大挑战。 在此，香港城市大学赵仕俊教授、湖南大学吴正刚教授等…

电池电极断层扫描（CT）图像的分割是一个关键的处理步骤，将对材料表征和电化学模拟的结果产生额外的影响。然而，手动标记X射线CT图像（XCT）非常耗时，并且这些XCT图像通常难以用直…

共同一作：李枫、程晓斌 通讯作者：姚宏斌教授、商城研究员、张国桢副研究员 通讯单位：中国科学技术大学、复旦大学 研究背景 具有高能量密度的锂金属电池（LMBs）由于传统液体电解质（…

液体电解质的成分是影响锂离子电池（LIBs）循环寿命的关键因素，电解液添加剂成分的选择和量化是一个活跃的研究领域。考虑到添加剂组分及用量的庞大组合空间，贝叶斯优化可用于引导搜索最佳…

1. 加州大学伯克利分校Nature: 机器学习基于移动手机数据实现精准扶贫 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…

1. DeepMind/威尼斯大学Nature: 填补空白，使用深度神经网络破译古代文字！ 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…

第一作者：朱建功副教授 通讯作者：戴海峰教授、Michael Knapp 通讯单位：同济大学、德国卡尔斯鲁厄理工学院（KIT） 研究背景 锂离子电池健康状态（SoH）已被用作衡量使…

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…

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…