機器學習
-
延世大學Adv. Sci.: 特征輔助機器學習用于開發無鉛多元極性鐵電氧化物
為了為智能數字技術擴展無鉛鐵電體的未知材料空間,通過多組分合金化調整其成分復雜性,可以獲得增強的極性特性。然而,目前仍缺乏用于這些多組分極性材料的原子設計規則,僅簡單的第一性原理不…
-
南信大楊洋ES&T: 機器學習預測排放/氣候變化驅動的氣溶膠變化
未來氣溶膠的預測和了解氣溶膠變化的驅動因素對于改善大氣環境和減緩氣候變化具有重要意義。第六次國際耦合模式比較計劃(CMIP6)提供了各種氣候預測,但氣溶膠輸出有限。 為此,南京信息…
-
DeepMind/威尼斯大學Nature: 填補空白,使用深度神經網絡破譯古代文字!
古代史研究依賴于諸如金石學之類的學科,即研究銘文并將其作為古代文明思想、語言、社會和歷史的證據。然而,幾個世紀以來,許多銘文已經被損壞到難以辨認的程度,或是被運到遠離其原始位置的地…
-
加州大學伯克利分校Nature: 機器學習基于移動手機數據實現精準扶貧
新冠大流行摧毀了許多低/中等收入國家,導致了廣泛的糧食短缺和生活水平急劇下降。為應對這場危機,世界各國政府和人道主義組織已向超過15億人分發了社會援助。其中,精準確定援助目標是一個…
-
npj Comput. Mater.: 自動DFT+機器學習模擬Ni3Al基合金的反相疇界能
反相疇界(APB)是平面缺陷,在強化鎳基高溫合金中起著關鍵作用,它們對合金成分的敏感性為合金設計提供了靈活的調整參數。 在此,美國加州大學伯克利分校Mark Asta、勞倫斯利弗莫…
-
李巨/熊瑞EnSM: 深度學習基于不確定的未來條件實現電池衰減預測
準確的衰減軌跡和未來壽命是新一代智能電池和電化學儲能系統的關鍵信息,僅使用少數已知的歷史數據來獲得針對不確定應用條件的準確預測是非常具有挑戰性的。 在此,北京理工大學熊瑞教授、美國…
-
南開黃興祿AM: 基于可解釋機器學習預測和設計納米酶
大量的納米材料被發現具有類似酶的催化活性,因此被稱為納米酶。研究表明,多種內外部因素均會影響納米酶的催化活性。然而,目前仍缺乏必要的方法來揭示納米酶特征和類酶活性之間的隱藏機制。 …
-
黃世萍/張勝利JMCA: 構建雙原子催化劑基因組實現高效HER/OER/ORR
在酸性介質中尋找高效、穩定和低成本的水分解和氧還原反應(ORR)電催化劑對于開發可再生能源具有重要意義,但仍然是一個持續的挑戰。 在此,北京化工大學黃世萍教授聯合北京計算科學研究中…
-
機器學習頂刊匯總:Sci. Adv.、AM、AFM、Adv. Sci.、npj Comput. Mater.、JMCA等成果
1. Science子刊: 機器學習輔助揭示聚酰胺膜中納米形態發生機制和性能相關性 生物形態發生學激發了許多有效的策略,通過使用一組固定的組件使材料結構和功能多樣化。然而,設計軟納…
-
機器學習頂刊匯總:Nature、AM、Mater. Today、Angew、Nat. Commun.等
1. 9個共同一作,深度強化學習登上Nature,用于控制核聚變! 托卡馬克是利用磁約束進行受控核聚變研究的環形裝置,是產生可持續電力的主要候選者。其核心挑戰是在托卡馬克容器內形成…