話題：機器學習

【導讀】 化學作為在原子、分子水平上研究物質的組成、結構、性質、轉化及其應用的基礎自然科學，其源自生活和生產實踐，并...

解讀-基于機器學習的鋰離子電池壽命預測 鋰離子電池的精確壽命預測對于高效電池開發至關重要，從而實現盈利的電動汽車和向零...

【引言】 均相金屬催化劑的形態是反應性、效率和選擇性的關鍵決定因素。然而，決定催化劑的核素（如單體與二聚體）、有利的...

【背景介紹】 深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機...

【引言】 過去十年見證了汽車發動機發展的顯著轉變。大型自然吸氣汽油發動機被較小的渦輪增壓發動機取代，而且混合動力和電...

【背景介紹】 機器學習（ML）一直在改變材料科學。在過去的20年里，生成的數據量急劇增加，ML提供了提取信息的基本工具：幫...

【引言】 NEB算法是用于計算化學體系中過渡態最為常用的方法。這種算法一般通過尋找反應物和產物轉化的最小能量路徑，來識別...

【引言】 非晶硅的結構被廣泛地認為是四面體連接的連續隨機網絡，但其細節更為精細：缺陷環境，如三重懸掛鍵，以及中程有序...

【引言】 巰基化金納米團簇是研究最廣泛的體系之一，在催化、電子和生物醫學等領域具有重要應用。隨著合成技術的發展，研...

【引言】 為本體異質結太陽能電池設計的新型有機半導體吸引了許多研究項目，根據其成分的知識預測太陽能電池的能量轉換效率...

【引言】 基于人工神經網絡的機器學習已經成為一種有效的學習方法，可用于開發復雜系統的經驗模型。在世界各地的實驗室里，...

【引言】 晶界動力學和晶粒長大、晶界擴散、滑移，位錯和點缺陷的產生湮滅有著密切關聯。評價晶界原子動力學的復雜性在于：...

【引言】 功能材料的開發是工業創新的基石，而且開發具有靶向性的材料一直是科學研究的熱點。基于密度泛函理論（DFT）的高通...

【引言】 薛定諤方程為分子和材料之間提供了強大的結構-性能關系。對于給定的化學元素的空間分布，可以用來描述電子的分布以...

【引言】 機器學習算法在很多領域取得了令人矚目的進步，從而廣受人們關注，但它在晶體結構預測方面的應用還有待發展。晶體...

【引言】 在塊體材料與納米材料中，原子位置與周期性晶格位置的局部偏離經常導致材料產生獨特的結構與功能。局部原子的位移...

【引言】 層狀二維（2D）材料有望革新當代能源、傳感器、電子和光學器件，自從石墨烯被發現以來，各種二維材料如雨后春筍似...

【引言】 物質豐富的存在形態結合機器學習技術在識別和形成圖形的能力，可作為揭示凝聚態物理中涌現現象的一種新方法。在物...

【引言】 機器學習近期躋身為材料研究中的重要工具。機器學習模型現已成功應用于預測晶界能和純金屬中的遷移率，鐵電體距離...

【引言】 在元素周期表內多達一百多種的元素中，存在著大量潛在的新材料可用于應對我們當前遇到的技術難題和社會挑戰。然而...