高级搜索

基于机器学习的材料设计

downloadPDF

上一篇

下一篇

赵纪军. 2024: 基于机器学习的材料设计, 物理, 53(7): 450-459. doi: 10.7693/wl20240703
引用本文: 赵纪军. 2024: 基于机器学习的材料设计, 物理, 53(7): 450-459. doi: 10.7693/wl20240703
shu
ZHAO Ji-Jun. 2024: Materials design based on machine learning, Physics, 53(7): 450-459. doi: 10.7693/wl20240703
Citation: ZHAO Ji-Jun. 2024: Materials design based on machine learning, Physics, 53(7): 450-459. doi: 10.7693/wl20240703
shu

基于机器学习的材料设计

  • 华南师范大学物理学院 广州 510006

    • 通讯作者: 赵纪军, email:zhaojj@scnu.edu.cn
  • 基金项目:

    国家自然科学基金(批准号：U2167217)资助项目

Materials design based on machine learning

  • School of Physics, South China Normal University, Guangzhou 510006, China

    • Corresponding author: ZHAO Ji-Jun, email:zhaojj@scnu.edu.cn

  • 摘要: 近年来，计算机算力的飞速提升推动了科学计算和人工智能领域的突破性进展。这两个领域深度融合，共同催生了数据驱动的变革性科学研究范式。作为人工智能技术的代表，机器学习为材料的计算设计带来了前所未有的发展机遇，当前的应用方向主要包括性质预测、合成预测、知识发现、生成式逆向设计等。文章将简要介绍该领域的研究进展，并展望未来发展方向与挑战。
    Abstract: In recent years the rapid growth of computer processing power has led to major breakthroughs in scientific computing and artificial intelligence. The deep integration of these two fields has jointly fostered a data-driven paradigm for scientific research. As a representative of artificial intelligence technology, machine learning has brought unprecedented opportunities for computational materials design, with current applications mainly focusing on property prediction, synthesis prediction, knowledge discovery, and generative inverse design. This article will briefly describe the research progress in this field, and look ahead to the future directions and challenges.
  • 加载中
  • Song Z，Chen X，Meng F et al. Chin. Phys. B，2020，29(11)： 116103
    Ward L，Liu R，Krishna A et al. Phys. Rev. B，2017，96：024104
    Xie T，Grossman J C. Phys. Rev. Lett.，2018，120：145301
    Zeng S，Zhao Y，Li G et al. npj Comput. Mater.，2019，5：84
    Goodall R E A，Lee A A. Nat. Commun.，2020，11：6280
    Schmidt J，Pettersson L，Verdozzi C et al. Sci. Adv.，2021，7(49)： eabi7948
    Chen C，Ong S P. npj Comput. Mater.，2021，7：173
    Choudhary K，DeCost B. npj Comput. Mater.，2021，7：185
    Davariashtiyani A，Kadkhodaei S. Commun. Mater.，2023，4：105
    Yang H，Hu C，Zhou Y et al. 2024，arXiv：2405.04967v2
    Isayev O，Oses C，Toher C et al. Nat. Commun.，2017，8(1)： 15679
    Zhang Y，Ling C. npj Comput. Mater.，2018，4：25
    Tehrani A M，Oliynyk A O，Parry M et al. J. Am. Chem. Soc.， 2018，140：9844
    Seko A，Maekawa T，Tsuda K et al. Phys. Rev. B，2014，89： 054303
    Li X，Blaiszik B，Schwarting M E et al. J. Chem. Phys.，2021， 155：154702
    Stanev V，Oses C，Kusne A G et al. npj Comput. Mater.，2018，4： 29
    Choudhary K，Garrity K. npj Comput. Mater.，2022，8：244
    Katsikas G，Sarafidis C，Kioseoglou J. Phys. Status Solidi (b)， 2021，258：2000600
    Sanvito S，Oses C，Xue J et al. Sci. Adv.，2017，3(4)：e1602241
    Lu S，Zhou Q，Guo Y et al. Adv. Mater.，2020，32：2002658
    Wang P，Xing J，Jiang X et al. ACS Appl. Mater. Interfaces， 2022，14：33726
    Saal J E，Kirklin S，Aykol M et al. JOM，2013，65：1501
    Jain A，Ong S P，Hautier G et al. APL Materials，2013，1：011002
    Curtarolo S，Setyawan W，Har G L W et al. Comput. Mater. Sci.， 2012，58：218
    https://mdr.nims.go.jp/collections/5712mb227
    Bergerhoff G，Hundt R，Sievers R. J. Chem. Inf. Model.，1983， 23：66
    Choudhary K，Garrity K F，Reid A C E et al. npj Comput. Mater.，2020，6：173
    Yao T S，Tang C Y，Yang M et al. Chin. Phys. Lett.，2019，36： 068101
    Aykol M，Montoya J H，Hummelshøj J. J. Am. Chem. Soc.， 2021，143：9244
    Antoniuk E R，Cheon G，Wang G et al. npj Comput. Mater.，2023，9：155
    Kim E，Huang K，Tomala A et al. Scientific data，2017，4(1)：1
    Kim E，Huang K，Saunders A et al. Chem. Mater.，2017，29：9436
    Kim E，Jensen Z，van Grootel A et al. J. Chem. Inf. Model.， 2020，60：1194
    Kononova O，Huo H，He T et al. Sci. Data，2019，6：203
    Chen Z，Xie F，Wan M et al. Chin. Phys. B，2023，32：118104
    AI4Science M R. 2023，arXiv：2311.07361v2
    Noh J，Kim J，Stein H S et al. Matter，2019，1(5)：1370
    Court C J，Yildirim B，Jain A et al. J. Chem. Inf. Model.，2020， 60：4518
    Kim S，Noh J，Gu G H et al. ACS Cent. Sci.，2020，6：1412
    Xiao H，Li R，Shi X et al. Nat. Commun.，2023，14：7027
    Zhao Y，Siriwardane E M D，Wu Z et al. npj Comput. Mater.， 2023，9：38
    Yang S，Cho K，Merchant A et al. 2023，arXiv：2311.09235v2
    Zeni C，Pinsler R，Zügner D et al. 2024，arXiv：2312.03687v2
    Ye C，Weng H，Wu Q. 2024，arXiv：2403.12478v1
    Xie T，Fu X，Ganea O E et al. 2021，arXiv：2110.06197
    Szymanski N J，Rendy B，Fei Y et al. Nature，2023，624：86
  • 加载中
计量
  • 文章访问数:  640
  • HTML全文浏览数:  640
  • PDF下载数:  38
  • 施引文献:  0
出版历程
  • 收稿日期:  2024-07-03

基于机器学习的材料设计

  • 收稿日期:  2024-07-03
基金项目: 

摘要: 近年来，计算机算力的飞速提升推动了科学计算和人工智能领域的突破性进展。这两个领域深度融合，共同催生了数据驱动的变革性科学研究范式。作为人工智能技术的代表，机器学习为材料的计算设计带来了前所未有的发展机遇，当前的应用方向主要包括性质预测、合成预测、知识发现、生成式逆向设计等。文章将简要介绍该领域的研究进展，并展望未来发展方向与挑战。

English Abstract

    全文HTML

参考文献 (49)

目录

/

返回文章
返回