免费观看黄一级视频,可以免费在线看黄的网站,欧美视频日韩视频,精品国产黄a∨片高清在线

預(yù)存

登錄注冊(cè)

Document

當(dāng)前位置：文庫(kù)百科 ? 文章詳情

?機(jī)器學(xué)習(xí)頂刊精選：看人工智能如何助力材料研究

來(lái)源：本站時(shí)間：2019-12-05 22:19:48 瀏覽：15596次

1. 孫寬、陸仕榮、肖澤云Sci. Adv.: 機(jī)器學(xué)習(xí)輔助的高性能有機(jī)光伏材料分子設(shè)計(jì)和效率預(yù)測(cè)

孫寬、陸仕榮、肖澤云Sci. Adv.: 機(jī)器學(xué)習(xí)輔助的高性能有機(jī)光伏材料分子設(shè)計(jì)和效率預(yù)測(cè)

有機(jī)光伏（OPV）電池提供一個(gè)直接的和經(jīng)濟(jì)的方式來(lái)將太陽(yáng)能轉(zhuǎn)化為電能。近年來(lái)，OPV的研究迅速發(fā)展，功率轉(zhuǎn)換效率（PCE）已超過(guò)17％。迄今為止，OPV研究的主流一直集中在建立新的OPV分子結(jié)構(gòu)與其光伏性質(zhì)之間的關(guān)系。該過(guò)程通常涉及光伏材料的設(shè)計(jì)和合成，材料的光電性能表征以及光伏電池的組裝和優(yōu)化。

這些傳統(tǒng)方法通常需要精細(xì)控制化學(xué)合成、制造精密裝置、費(fèi)力的純化和繁瑣的實(shí)驗(yàn)步驟，這導(dǎo)致大量的資源投入以及較長(zhǎng)的研究周期。因此，OPV的開(kāi)發(fā)效率低下且緩慢，例如，自1973年首次報(bào)告以來(lái)，僅在光伏電池中合成并測(cè)試了不到2000個(gè)OPV供體分子。

重慶大學(xué)的孫寬教授、中科院的陸仕榮教授和肖澤云教授共同建立了一個(gè)數(shù)據(jù)庫(kù)，其中包含從文獻(xiàn)中收集的1719個(gè)經(jīng)過(guò)實(shí)驗(yàn)測(cè)試的OPV供體材料。他們首先研究了分子的表達(dá)對(duì)ML性能的重要性。為了確定最合適的表達(dá)式，我們測(cè)試了不同類型的表達(dá)式，包括圖像、ASCII字符串、兩種類型的描述符和七種類型的分子指紋。根據(jù)PCE值，描述符可將材料分為“低”和“高性能”。指紋具有最佳性能（預(yù)測(cè)PCE類的準(zhǔn)確度為81.76％），并且其長(zhǎng)度對(duì)預(yù)測(cè)的準(zhǔn)確性有顯著影響。

此外，作者使用了多種ML算法進(jìn)行分類。研究發(fā)現(xiàn)，當(dāng)處理小型數(shù)據(jù)庫(kù)時(shí)，RF模型的性能優(yōu)于其他模型。最后，作者通過(guò)合成10種新的OPV供體材料獨(dú)立驗(yàn)證了ML模型。該模型的預(yù)測(cè)與實(shí)驗(yàn)結(jié)果吻合良好。

通過(guò)這項(xiàng)工作，作者為OPV研究建立了一種新方法，即通過(guò)ML模型預(yù)篩選設(shè)計(jì)的OPV分子，然后僅關(guān)注在后續(xù)實(shí)驗(yàn)中通過(guò)ML虛擬評(píng)估的分子。這種方法將大大加快開(kāi)發(fā)用于OPV應(yīng)用的新型高效有機(jī)半導(dǎo)體材料的探索過(guò)程。

文獻(xiàn)鏈接：

Machine learning–assisted molecular design and efficiency prediction for high-performance organic photovoltaic materials (Sci. Adv., 2019, DOI: 10.1126/sciadv.aay4275)

2. Nat. Commun.: 從大量沸石材料合成記錄中將合成和結(jié)構(gòu)相聯(lián)系

Nat. Commun.: 從大量沸石材料合成記錄中將合成和結(jié)構(gòu)相聯(lián)系

在計(jì)算能力的提高、算法開(kāi)發(fā)的進(jìn)步以及海量數(shù)據(jù)的可用性的推動(dòng)下，機(jī)器學(xué)習(xí)的應(yīng)用已擴(kuò)展到解決人類層面的問(wèn)題，包括材料科學(xué)領(lǐng)域的問(wèn)題。應(yīng)用于機(jī)器學(xué)習(xí)的材料科學(xué)中的數(shù)據(jù)集大量來(lái)自理論計(jì)算。一旦經(jīng)過(guò)培訓(xùn)，機(jī)器學(xué)習(xí)就可以應(yīng)用于成千上萬(wàn)甚至數(shù)百萬(wàn)候選材料的高通量篩選。這些詳盡的計(jì)算機(jī)模擬數(shù)據(jù)挖掘方法能夠從大型的，通過(guò)計(jì)算生成的數(shù)據(jù)庫(kù)中識(shí)別出非凡的材料。

材料的合成也可以從機(jī)器學(xué)習(xí)中受益。例如，從大量實(shí)驗(yàn)數(shù)據(jù)中構(gòu)建了一系列監(jiān)督分類模型，以使用一組綜合描述符來(lái)預(yù)測(cè)綜合結(jié)果。這種基于機(jī)器學(xué)習(xí)的實(shí)驗(yàn)數(shù)據(jù)庫(kù)方法能夠從化學(xué)空間中提取最重要的合成描述符，這些化學(xué)描述符具有高維和大量條目，有時(shí)人類很難處理。機(jī)器學(xué)習(xí)的模式識(shí)別能力被認(rèn)為對(duì)于通過(guò)動(dòng)力學(xué)控制的途徑合成的材料非常有效，而這些途徑很難用簡(jiǎn)單的方法論來(lái)處理。

這項(xiàng)研究使用機(jī)器學(xué)習(xí)技術(shù)分析了從文獻(xiàn)中收集的沸石的合成記錄，以合理化對(duì)其性質(zhì)和結(jié)構(gòu)的理解。從機(jī)器學(xué)習(xí)模型中提取的綜合描述符用于識(shí)別具有適當(dāng)重要性的結(jié)構(gòu)描述符。基于結(jié)構(gòu)描述符的晶體結(jié)構(gòu)相似性網(wǎng)絡(luò)，顯示了由合成相似材料組成的群落的形成?；谙惹氨缓雎缘慕Y(jié)構(gòu)相似性的交叉實(shí)驗(yàn)，揭示了沸石的合成相似性，證實(shí)了合成結(jié)構(gòu)之間的關(guān)系。該方法適用于使經(jīng)驗(yàn)知識(shí)合理化、填充合成記錄并發(fā)現(xiàn)新穎材料的系統(tǒng)。

文獻(xiàn)鏈接：

Linking synthesis and structure descriptors from a large collection of synthetic records of zeolite materials (Nat. Commun., 2019, DOI: 10.1038/s41467-019-12394-0)

3. npj Computational Materials: 半監(jiān)控機(jī)器學(xué)習(xí)在材料合成過(guò)程中的應(yīng)用

npj Computational Materials: 半監(jiān)控機(jī)器學(xué)習(xí)在材料合成過(guò)程中的應(yīng)用

在過(guò)去的30年中，計(jì)算材料學(xué)的進(jìn)步已在材料設(shè)計(jì)方面取得了巨大的成功，其中包括數(shù)十種通過(guò)計(jì)算設(shè)計(jì)的新穎化合物以及從頭開(kāi)始預(yù)測(cè)的特性的按需可用性。但是，材料發(fā)現(xiàn)流程仍然受到實(shí)驗(yàn)合成挑戰(zhàn)的限制，在合成新化合物之前，這可能需要數(shù)月的反復(fù)試驗(yàn)。

目前，很難設(shè)計(jì)如何在實(shí)驗(yàn)室中合成預(yù)測(cè)的材料。當(dāng)前理解和預(yù)測(cè)材料合成的方法涉及原位X射線衍射（XRD）研究、從頭算熱力學(xué)建模、經(jīng)典熱力學(xué)觀點(diǎn)以及機(jī)器學(xué)習(xí)指導(dǎo)的合成參數(shù)搜索。

最近，機(jī)器學(xué)習(xí)方法在有機(jī)化學(xué)中逆向合成的應(yīng)用被證明是有效的，激發(fā)了類似方法在預(yù)測(cè)無(wú)機(jī)材料合成中的應(yīng)用。這些有機(jī)化學(xué)合成反應(yīng)的機(jī)器學(xué)習(xí)研究已經(jīng)通過(guò)有機(jī)化學(xué)反應(yīng)數(shù)據(jù)庫(kù)（例如Reaxys）實(shí)現(xiàn)，該數(shù)據(jù)庫(kù)包括> 1200萬(wàn)個(gè)單步反應(yīng)。當(dāng)前沒(méi)有類似的數(shù)據(jù)庫(kù)全面地分類無(wú)機(jī)材料合成的合成反應(yīng)。但是，即使是有限的材料合成反應(yīng)數(shù)據(jù)庫(kù)也可以對(duì)合成參數(shù)與反應(yīng)產(chǎn)物之間的關(guān)系產(chǎn)生有價(jià)值的見(jiàn)解，例如Kim等人所證明的那樣。

在這項(xiàng)工作中，作者演示了一種半監(jiān)督的機(jī)器學(xué)習(xí)方法，用于根據(jù)書(shū)面自然語(yǔ)言對(duì)無(wú)機(jī)材料的合成程序進(jìn)行分類。無(wú)需任何人工輸入，潛在的Dirichlet分配就可以將關(guān)鍵字聚集到與特定實(shí)驗(yàn)材料合成步驟相對(duì)應(yīng)的主題，例如“研磨”和“加熱”，“溶解”和“離心分離”等。在少量注釋的指導(dǎo)下，隨機(jī)分類可以將這些步驟與不同類別的材料合成（例如固態(tài)或水熱合成）相關(guān)聯(lián)。

最后，作者證明了實(shí)驗(yàn)步驟順序的馬爾可夫鏈表示可以準(zhǔn)確地重建可能的合成程序流程圖。這種機(jī)器學(xué)習(xí)方法提供了一種可擴(kuò)展的方法，可以從文獻(xiàn)中解鎖大量的無(wú)機(jī)材料合成信息，并將其處理為標(biāo)準(zhǔn)化的機(jī)器可讀數(shù)據(jù)庫(kù)。

文獻(xiàn)鏈接：

Semi-supervised machine-learning classi?cation of materials synthesis procedures (npj Computational Materials, 2019, DOI: 10.1038/s41524-019-0204-1)

4. npj Computational Materials：機(jī)器學(xué)習(xí)在固態(tài)材料科學(xué)中的最新進(jìn)展和應(yīng)用

npj Computational Materials：機(jī)器學(xué)習(xí)在固態(tài)材料科學(xué)中的最新進(jìn)展和應(yīng)用

機(jī)器學(xué)習(xí)是近年來(lái)進(jìn)入材料科學(xué)的最令人興奮的研究方法之一。這種統(tǒng)計(jì)方法的收集已經(jīng)證明能夠大大加快基礎(chǔ)研究和應(yīng)用研究的速度。目前，科研工作者已經(jīng)見(jiàn)證了將機(jī)器學(xué)習(xí)廣泛應(yīng)用于材料研究的實(shí)例。

在這篇文章中，作者提供了有關(guān)機(jī)器學(xué)習(xí)在材料研究中的最新研究的全面概述和分析。首先，作者介紹材料科學(xué)中的機(jī)器學(xué)習(xí)原理、算法、描述符和數(shù)據(jù)庫(kù)。隨后，作者繼續(xù)介紹了不同的機(jī)器學(xué)習(xí)方法，以發(fā)現(xiàn)穩(wěn)定的材料并預(yù)測(cè)其晶體結(jié)構(gòu)。然后，作者討論了眾多定量結(jié)構(gòu)與屬性之間的關(guān)系，以及通過(guò)機(jī)器學(xué)習(xí)替代第一原理計(jì)算的各種方法。

這篇綜述回顧了如何應(yīng)用主動(dòng)學(xué)習(xí)和基于算法的優(yōu)化來(lái)改善合理的設(shè)計(jì)過(guò)程和相關(guān)的應(yīng)用示例。兩個(gè)主要問(wèn)題始終是機(jī)器學(xué)習(xí)模型的可解釋性和對(duì)機(jī)器學(xué)習(xí)模型的物理理解。因此，作者考慮了可解釋性的不同方面及其在材料科學(xué)中的重要性。最后，文章針對(duì)計(jì)算材料科學(xué)中的各種挑戰(zhàn)提出了解決方案和未來(lái)的研究發(fā)展。

文獻(xiàn)鏈接：

Recent advances and applications of machine learning in solid-state materials science (npj Computational Materials, 2019, DOI: 10.1038/s41524-019-0221-0)

5. npj Computational Materials：通過(guò)可解釋的機(jī)器學(xué)習(xí)識(shí)別高級(jí)自旋驅(qū)動(dòng)熱電材料

npj Computational Materials：通過(guò)可解釋的機(jī)器學(xué)習(xí)識(shí)別高級(jí)自旋驅(qū)動(dòng)熱電材料

機(jī)器學(xué)習(xí)正在成為科學(xué)發(fā)現(xiàn)的重要工具。機(jī)器學(xué)習(xí)方法在材料開(kāi)發(fā)領(lǐng)域中的應(yīng)用尤其吸引人，它可以通過(guò)發(fā)現(xiàn)新的/更好的功能材料來(lái)實(shí)現(xiàn)創(chuàng)新。要將機(jī)器學(xué)習(xí)應(yīng)用于實(shí)際的材料開(kāi)發(fā)，科學(xué)家和機(jī)器學(xué)習(xí)工具之間必須緊密協(xié)作。但是，到目前為止，許多機(jī)器學(xué)習(xí)算法的黑匣子屬性都阻礙了這種協(xié)作。從材料科學(xué)和物理學(xué)的觀點(diǎn)來(lái)看，科學(xué)家通常很難解釋數(shù)據(jù)驅(qū)動(dòng)的模型。

在這個(gè)工作中，作者通過(guò)使用一種可解釋的機(jī)器學(xué)習(xí)方法來(lái)說(shuō)明具有異常能斯特效應(yīng)的自旋驅(qū)動(dòng)熱電材料的發(fā)展?；诓牧峡茖W(xué)和物理學(xué)的先驗(yàn)知識(shí)，作者能夠從可解釋的機(jī)器學(xué)習(xí)中提取一些相關(guān)性以及有關(guān)自旋驅(qū)動(dòng)熱電材料的新知識(shí)。在此指導(dǎo)下，作者進(jìn)行了實(shí)際的材料合成，從而確定了新型自旋驅(qū)動(dòng)的熱電材料。

文獻(xiàn)鏈接：

Identi?cation of advanced spin-driven thermoelectric materials via interpretable machine learning (npj Computational Materials, 2019, DOI: 10.1038/s41524-019-0241-9)

6. npj Computational Materials：可靠且可解釋的機(jī)器學(xué)習(xí)方法可加速材料的開(kāi)發(fā)

npj Computational Materials：可靠且可解釋的機(jī)器學(xué)習(xí)方法可加速材料的開(kāi)發(fā)

盡管ML在商業(yè)應(yīng)用中表現(xiàn)出色，但是將ML應(yīng)用于材料科學(xué)仍存在一些獨(dú)特的挑戰(zhàn)。在這種情況下，這項(xiàng)工作是雙重的。

首先，當(dāng)從代表性不足/失衡的材料數(shù)據(jù)中學(xué)習(xí)時(shí)，作者確定了現(xiàn)有機(jī)器學(xué)習(xí)技術(shù)的常見(jiàn)陷阱。具體而言，在數(shù)據(jù)不平衡的情況下，評(píng)估ML模型質(zhì)量的標(biāo)準(zhǔn)方法會(huì)有問(wèn)題，并導(dǎo)致令人誤解的結(jié)論。

此外，作者發(fā)現(xiàn)模型本身的置信度得分不能被信任，模型自省方法（使用更簡(jiǎn)單的模型）也無(wú)濟(jì)于事，因?yàn)樗鼈儠?huì)導(dǎo)致預(yù)測(cè)性能下降（可靠性與可解釋性之間的權(quán)衡）。

其次，為了克服這些挑戰(zhàn)，作者提出了一個(gè)通用的可解釋且可靠的機(jī)器學(xué)習(xí)框架。具體來(lái)說(shuō)，作者提出了一種通用方法，該方法采用一組更簡(jiǎn)單的模型來(lái)可靠地預(yù)測(cè)材料特性。文章還提出了一種轉(zhuǎn)移學(xué)習(xí)技術(shù)，并表明可以通過(guò)利用不同材料特性之間的相關(guān)性來(lái)克服由于模型簡(jiǎn)單而導(dǎo)致的性能損失。同時(shí)，還提出了一種新的評(píng)估指標(biāo)和一個(gè)信任分?jǐn)?shù)，以更好地量化預(yù)測(cè)中的置信度。為了提高可解釋性，作者在框架中添加了基本原理生成器組件，該組件提供了模型級(jí)別和決策級(jí)別的解釋。

最后，文章證明了這種技術(shù)在兩種應(yīng)用中的多功能性：（1）預(yù)測(cè)晶體化合物的特性；（2）確定潛在穩(wěn)定的太陽(yáng)能電池材料。文章還指出了ML在材料科學(xué)中的成功應(yīng)用尚待解決的一些懸而未決的問(wèn)題。

文獻(xiàn)鏈接：

Reliable and explainable machine-learning methods for accelerated material discovery (npj Computational Materials, 2019, DOI: 10.1038/s41524-019-0248-2)

7. Nat. Mater.：利用機(jī)器學(xué)習(xí)進(jìn)行藥物發(fā)現(xiàn)和開(kāi)發(fā)

Nat. Mater.：利用機(jī)器學(xué)習(xí)進(jìn)行藥物發(fā)現(xiàn)和開(kāi)發(fā)

各種各樣的機(jī)器學(xué)習(xí)方法，例如貝葉斯（Bayesian），支持向量以及最近的深度神經(jīng)網(wǎng)絡(luò)，都證明了它們?cè)谒幬锇l(fā)現(xiàn)和開(kāi)發(fā)中的效用。這利用了從高通量篩選數(shù)據(jù)創(chuàng)建的更大的數(shù)據(jù)集，并能夠以更高的準(zhǔn)確度預(yù)測(cè)目標(biāo)和分子特性的生物活性。

科研工作者才剛剛開(kāi)始挖掘這些技術(shù)的潛力，但是它們可能已經(jīng)從根本上改變了識(shí)別新分子或重新使用舊藥物的研究過(guò)程。這種針對(duì)端到端（E2E）應(yīng)用的機(jī)器學(xué)習(xí)模型的集成應(yīng)用具有廣泛的意義，并且對(duì)開(kāi)發(fā)未來(lái)的療法及其目標(biāo)具有重要意義。

文獻(xiàn)鏈接：

Exploiting machine learning for end-to-end drug discovery and development (Nat. Mater., 2019, DOI: 10.1038/s41563-019-0338-z)

8. Nature Reviews Chemistry：人工智能驅(qū)動(dòng)的有機(jī)合成化學(xué)

Nature Reviews Chemistry：人工智能驅(qū)動(dòng)的有機(jī)合成化學(xué)

合成有機(jī)化學(xué)是化學(xué)領(lǐng)域的基礎(chǔ)，包括藥物發(fā)現(xiàn)、化學(xué)生物學(xué)、材料科學(xué)和工程學(xué)。但是，執(zhí)行復(fù)雜的化學(xué)合成本身需要很豐富的背景知識(shí)，通常是在多年的研究和動(dòng)手實(shí)驗(yàn)實(shí)踐中獲得的。具有簡(jiǎn)化和自動(dòng)化化學(xué)合成潛力的技術(shù)開(kāi)發(fā)是一個(gè)耗費(fèi)半世紀(jì)尚未實(shí)現(xiàn)的努力。隨著計(jì)算能力、數(shù)據(jù)可用性和算法的提高，人們對(duì)人工智能（AI）的興趣再次興起。

在這篇綜述中，作者討論了AI對(duì)合成化學(xué)不同任務(wù)的近期影響，并從文獻(xiàn)中剖析了一些實(shí)例。通過(guò)研究基本概念，作者旨在使化學(xué)家了解AI，以便他們可以將其作為工具，通過(guò)指出知識(shí)差距并描繪化學(xué)AI如何在化學(xué)工業(yè)中運(yùn)行來(lái)刺激未來(lái)的研究。

文獻(xiàn)鏈接：

Synthetic organic chemistry driven by artificial intelligence (Nature Reviews Chemistry, 2019, DOI: 10.1038/s41570-019-0124-0)

更多精彩內(nèi)容，請(qǐng)關(guān)注“測(cè)試GO”微信公眾號(hào)，獲取最新資訊。

上一篇：Nature&Science盤(pán)點(diǎn)：十一月材料領(lǐng)域重大研究進(jìn)展

下一篇：?發(fā)光材料頂刊精選：楊陽(yáng)、陳平、安達(dá)千波矢、唐本忠、夏志國(guó)頂刊大盤(pán)點(diǎn)

相關(guān)文章

別只盯一區(qū)！這些二三區(qū)化學(xué)期刊，發(fā)文量多，速度快，真的還不錯(cuò)！

2021-06-19

Nature盤(pán)點(diǎn)8篇: 北大、南大、密大、亞琛工大等最新前沿成果報(bào)道丨生化材9月精選

2019-10-25

研究生必備技能：如何檢索、下載和管理文獻(xiàn)？

2023-12-06

傳奇院士王中林：納米發(fā)電機(jī)之父，華人最高H因子！

2023-12-06

期刊解析丨極具性價(jià)比的材料二區(qū)好刊，投了還想投！

2021-06-19

MOF&COF頂刊精選：羅建平、陳龍、Yaghi、王為、林子俺、尹學(xué)博、師唯頂刊大盤(pán)點(diǎn)

2019-12-06

項(xiàng)目推薦/Project

機(jī)器學(xué)習(xí)

熱門(mén)文章/popular

基礎(chǔ)理論丨一文了解XPS（概念、定性定量分析、分析方法、譜線結(jié)構(gòu)）

手把手教你用ChemDraw 畫(huà)化學(xué)結(jié)構(gòu)式：基礎(chǔ)篇

晶體結(jié)構(gòu)可視化軟件 VESTA使用教程（下篇）

【科研干貨】電化學(xué)表征：循環(huán)伏安法詳解（上）

【科研干貨】電化學(xué)表征：循環(huán)伏安法詳解（下）

電化學(xué)實(shí)驗(yàn)基礎(chǔ)之電化學(xué)工作站篇（二）三電極和兩電極體系的搭建和測(cè)試

微信掃碼分享文章

舉報(bào)有獎(jiǎng)

TEL: 191-3608-6524

如：在網(wǎng)絡(luò)上惡意使用“測(cè)試狗”等相關(guān)關(guān)鍵詞誤導(dǎo)用戶點(diǎn)擊、惡意盜用測(cè)試狗商標(biāo)、冒稱官方工作人員等情形，請(qǐng)您向我們舉報(bào)，經(jīng)查實(shí)后，我們將給予您獎(jiǎng)勵(lì)。

舉報(bào)內(nèi)容：

200

上傳附件：

文件格式不正確，請(qǐng)重新上傳文件格式不正確，請(qǐng)重新上傳文件格式不正確，請(qǐng)重新上傳

文件格式：jpg、jpeg、png、gif、tif、doc、docx、ppt、pptx、xls、xlsx、pdf、zip、rar

聯(lián)系方式

姓名

電話

提交意見(jiàn)

意見(jiàn)反饋

Suggestions

您可以在此留下您寶貴的意見(jiàn)，您的意見(jiàn)或問(wèn)題反饋將會(huì)成為我們不斷改進(jìn)的動(dòng)力。

意見(jiàn)類型

測(cè)試服務(wù)

網(wǎng)站功能

財(cái)務(wù)報(bào)賬

其他類型

意見(jiàn)內(nèi)容

200

聯(lián)系方式

姓名

電話

提交意見(jiàn)

+

你好，很高興為您服務(wù)！

發(fā)送