机器学习预测分子结构，Nature Reviews Chemistry最新综述！
【导读】 化学作为在原子、分子水平上研究物质的组成、结构、性质、转化及其应用的基础自然科学，其源自生活和生产实践，并...
话题：机器学习
结果数：
22
ADV SCI：用于机器学习的锂离子电池寿命预测
解读-基于机器学习的锂离子电池寿命预测 锂离子电池的精确寿命预测对于高效电池开发至关重要，从而实现盈利的电动汽车和向零...
亚琛工业大学最新Science：通过无监督机器学习加速双核钯催化剂识别
【引言】 均相金属催化剂的形态是反应性、效率和选择性的关键决定因素。然而，决定催化剂的核素（如单体与二聚体）、有利的...
麻省理工 Nat. Chem.：机器学习又一佳作！深度学习设计靶向核的非生物微蛋白
【背景介绍】 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机...
Sci. Adv.:基于机器学习实现对具有最佳储氢的纳米多孔材料指纹识别
【引言】 过去十年见证了汽车发动机发展的显著转变。大型自然吸气汽油发动机被较小的涡轮增压发动机取代，而且混合动力和电...
势不可挡！机器学习又发一篇Nature Reviews Materials
【背景介绍】 机器学习（ML）一直在改变材料科学。在过去的20年里，生成的数据量急剧增加，ML提供了提取信息的基本工具：帮...
斯坦福大学PRL：使用代理机器学习模型开发用于NEB计算的低标度算法
【引言】 NEB算法是用于计算化学体系中过渡态最为常用的方法。这种算法一般通过寻找反应物和产物转化的最小能量路径，来识别...
Angew. Chem.：非晶硅及液态硅的定量化学结构和机器学习获取的原子能量
【引言】 非晶硅的结构被广泛地认为是四面体连接的连续随机网络，但其细节更为精细：缺陷环境，如三重悬挂键，以及中程有序...
美国西弗吉尼亚大学J. Am. Chem. Soc. : 巯基化Ag合金化Au纳米团簇中CO吸附的机器学习预测
【引言】 巯基化金纳米团簇是研究最广泛的体系之一，在催化、电子和生物医学等领域具有重要应用。随着合成技术的发展，研...
英国利物浦大学Mater. Horiz. ：结合机器学习模型中的电子和结构特征来预测有机太阳能电池性能
【引言】 为本体异质结太阳能电池设计的新型有机半导体吸引了许多研究项目，根据其成分的知识预测太阳能电池的能量转换效率...
Nat. Commun.: 使用深度学习进行磁光阱多参数最优化
【引言】 基于人工神经网络的机器学习已经成为一种有效的学习方法，可用于开发复杂系统的经验模型。在世界各地的实验室里，...
PNAS：借助机器学习进行晶界处原子动力学测定
【引言】 晶界动力学和晶粒长大、晶界扩散、滑移，位错和点缺陷的产生湮灭有着密切关联。评价晶界原子动力学的复杂性在于：...
东南大学王金兰教授Nature子刊：机器学习加速设计高效稳定无铅有机-无机杂化钙钛矿
【引言】 功能材料的开发是工业创新的基石，而且开发具有靶向性的材料一直是科学研究的热点。基于密度泛函理论（DFT）的高通...
Nature综述：机器学习（ML）—研究分子和材料科学的新型利器
【引言】 薛定谔方程为分子和材料之间提供了强大的结构-性能关系。对于给定的化学元素的空间分布，可以用来描述电子的分布以...
南京大学孙建&王慧田Science Bulletin：机器学习预测了一种超硬钨氮化合物
【引言】 机器学习算法在很多领域取得了令人瞩目的进步，从而广受人们关注，但它在晶体结构预测方面的应用还有待发展。晶体...
Phy. Rev. Lett.：通过X射线吸收精细结构谱来表征结构转变的神经网络方法
【引言】 在块体材料与纳米材料中，原子位置与周期性晶格位置的局部偏离经常导致材料产生独特的结构与功能。局部原子的位移...
Chemistry of Materials：机器学习辅助精确预测官能团化的MXene的带隙
【引言】 层状二维（2D）材料有望革新当代能源、传感器、电子和光学器件，自从石墨烯被发现以来，各种二维材料如雨后春笋似...
Phys. Rev. Lett.：用于检测相变的判别式合作网络
【引言】 物质丰富的存在形态结合机器学习技术在识别和形成图形的能力，可作为揭示凝聚态物理中涌现现象的一种新方法。在物...
Acta Mater.：借助机器学习模型实现硬磁相的组成优化
【引言】 机器学习近期跻身为材料研究中的重要工具。机器学习模型现已成功应用于预测晶界能和纯金属中的迁移率，铁电体距离...
Science Advances：通过机器学习迭代和高通量实验快速发现非晶合金
【引言】 在元素周期表内多达一百多种的元素中，存在着大量潜在的新材料可用于应对我们当前遇到的技术难题和社会挑战。然而...
