神经网络全局势函数在多相催化中的应用

当今的多相催化研究需要新的技术和方法从原子尺度上表征活性中心结构和反应中间体。本文作者课题组近期开发了理论模拟新技术来探索催化剂活性位点结构,即基于神经网络势函数的大规模原子模拟（LASP）软件中实现的全局神经网络势函数计算方法。本文介绍了该方法可以显著降低催化体系的计算代价,而维持与密度泛函理论同一级别的计算精度,从而解决多相催化中的许多复杂问题。本文对神经网络势函数方法的实现细节和目前已实现的应用场景进行了详细介绍。神经网络势函数可以用来预测材料晶体结构,理解高压氢化条件下TiO₂表面的结构演化和确定三元氧化物ZnCrO晶相中合成气制甲醇活性位点。最后文章分析了神经网络势函数的局限性和今后可能的三个研究方向,即材料性质预测、多元素体系神经网络势函数构造和化学反应拟合。     

机器学习在复合材料领域中的应用进展

复合材料因其密度低、比模量高、比强度高等优势成为汽车轻量化的重要材料。但因复合材料所涉及材料参数相对庞杂，成本高、周期长的传统复合材料研究方法已无法适应目前复合材料的发展趋势。近年来，基于数据挖掘的机器学习具有高效、高精等优势，为解决上述复合材料领域现存困境提供了新思路。通过阐述机器学习技术的基本原理、应用流程以及典型算法，总结其在复合材料领域的应用可行性。分析了机器学习在复合材料的微观结构表征、力学性能预测、复合材料优化设计、加工制造模拟速度四个方面的研究进展。分析表明，机器学习可用于复合材料研究领域，且具有较高的预测精度和可靠性。最后分析了机器学习在该领域的问题与挑战，为其未来研究方向和发展提出展望。     

基于机器学习探索钙钛矿材料及其应用

经过大半个世纪的算法模型积累，以数据科学为基础的机器学习方法，已经可以适配多项学科的研究需求。在理论与实验积累的数据基础上，机器学习紧跟各个领域的研究潮流，推动数据密集型科学研究的发展，使其成为继“理论”、“计算”、“实验”后引领科学研究的“第四范式”。在材料科学领域，钙钛矿材料具有构成丰富、带隙可调、发展空间广阔等优势，但还未在其适用领域内达到环境友好等实用标准。因而基于机器学习探索钙钛矿材料及其应用，不仅可以加速新型钙钛矿材料的发现，而且可以探究钙钛矿材料种种优异性能与其物理化学特征之间的关联，为发展环境友好型高性能钙钛矿器件提供指导。在此总结了机器学习结合钙钛矿材料的研究优势与研究流程，综述了机器学习在钙钛矿材料性质与器件探索方面的研究进展，探讨了当下面临的研究困境和挑战，展望了未来的研究方向和发展趋势。     

机器学习在聚合物材料研究中的应用进展

在大数据和人工智能相结合的现代科学研究的新形势下，聚合物材料性能的快速预测和新型聚合物材料的研发逐渐成为聚合物材料研究领域的关注焦点。将机器学习应用于聚合物材料研究领域，打破了传统试错法的局限性，通过数据直接建立材料特征与所需性能之间复杂的关系模型，解决聚合物组成成分和复杂结构等在其研究过程中带来的难题。论文介绍了机器学习在聚合物材料研究领域的常用方法及算法；总结了以宏观参量与微观参量为机器学习模型输入时，聚合物材料性能预测的研究进展；分析了基于机器学习的聚合物材料设计和新型聚合物材料研发的重要应用成果；讨论并提出当前基于机器学习的聚合物材料的研究热点与方向。     

机器学习技术在气体吸附多孔材料研究中的应用进展

简要介绍了材料研究领域常用的机器学习算法,探讨了通过数据挖掘技术进行材料研究的方法流程,回顾了机器学习技术在多孔碳、沸石和金属有机骨架3类重要吸附材料研究中的典型案例,最后对这一技术在气体吸附材料研发中的应用前景进行了展望。     

基于机器学习的电化学能源电池宏微观设计

能源储存系统是电动汽车、电子设备等高新技术的重要基础。近年来基于机器学习的电池设计能够快速连结材料微观结构-材料微观性能-电池宏观性能的复杂关系，成为了热点研究。本文从能源电池的微观材料设计和宏观状态预测两方面系统性地综述了电池设计中机器学习的应用现状和前景，概括综述了机器学习电池设计的研究数据来源、算法的优缺点及其在电池领域的应用场景以及近年来的相关创新性工作及其展望，以期为机器学习在能源储存系统的宏微观设计提供了参考。     

机器学习在热电材料领域中的应用

热电材料是环境友好型能源转换材料，涉及的体系十分多样。其性能优化是一个多参数协调的复杂问题，一直是研究者们关注的热点。虽然热电的计算模拟方法和实验方法发展迅速，但是热电材料的搜索效率仍需要进一步提高。机器学习具有计算成本低和预测速度高的优势，可以快速缩小搜索空间，加快对热电材料结构和性能优化的研究。本综述从数据类型的角度出发，介绍了热电材料中的小样本数值数据(数据量约为102)，大样本数值数据(数据量大于104)及图片数据中机器学习的应用和研究进展，进一步详细地讨论了在不同的数据类型中研究热电材料的结构和性能所使用的不同的机器学习算法模型，并对其未来的发展趋势和应用方向进行了展望。     

面向材料领域机器学习的数据质量治理

数据驱动的机器学习凭借其准确高效的预测能力广泛应用于材料的性能预测和构效关系研究。数据决定了机器学习的上限。然而，目前材料领域的数据存在来源广、噪音大、样本少、维度高等数据质量问题，阻碍了机器学习在材料领域更广泛的应用。本文从数据品质和数据数量2个视角系统梳理并全面剖析了材料领域数据质量问题及其相关治理工作，发现数据品质与数据数量共同决定数据质量。基于此，提出了面向材料领域机器学习全过程的领域知识嵌入的数据质量治理框架。该框架定义了12种维度用于解析材料数据质量的内涵；构建了数据质量治理的生命周期模型以确保数据质量治理活动有序进行；建立了一系列数据质量治理处理模型，从领域知识与数据驱动2个方面对数据质量进行精准全面治理，为生命周期模型的具体实施提供技术支持。该框架实现了材料数据质量的综合评估与提升，为高质量数据获取提供理论指导与候选方案，加速机器学习在材料研发中的深入应用。     

材料领域知识嵌入的机器学习

数据驱动的机器学习因其能够快速拟合历史数据中的潜在模式并实现材料性能的精准预测,已被广泛应用于材料性能优化和新材料设计.然而,由于缺乏描述符间关联关系、材料性能驱动机制等材料领域知识的指导,数据驱动的机器学习在实际应用中常常出现与材料基础理论认知或原理不一致的结果.本工作通过分析材料数据的特点和数据驱动的机器学习建模原...     

石墨烯及其在陶瓷中的研究现状与前景分析

石墨烯以其在力、热、光、电和磁等方面具有的优异物化性能和独特的二维结构成为国内外材料领域的研究热点。本文主要介绍了石墨烯结构、石墨烯性质、石墨烯制备方法、石墨烯表征方法、石墨烯复合材料的分类、石墨烯的问题及其应用,并对国内外石墨烯及其在陶瓷中的研究现状进行了评述,同时,分析石墨烯及其在陶瓷中的发展前景。     

石墨烯及其在陶瓷中的研究现状与前景分析

石墨烯以其在力、热、光、电和磁等方面具有的优异物化性能和独特的二维结构成为国内外材料领域的研究热点。本文主要介绍了石墨烯结构、石墨烯性质、石墨烯制备方法、石墨烯表征方法、石墨烯复合材料的分类、石墨烯的问题及其应用,并对国内外石墨烯及其在陶瓷中的研究现状进行了评述,同时,分析石墨烯及其在陶瓷中的发展前景。     

PVD／PECVD技术在模具工业上的应用

材料的摩擦，磨损，腐蚀，疲劳及其组合等问题的研究和卓有成效的解决途径成为当前表面工程领域研究的热点。本文主要介绍物理气相沉积和等离子增强化学气相沉积技术在模具工业上的应用。     

玻璃钢应用于输电铁塔的研究

介绍了现阶段国内输电杆塔的应用现状,结合玻璃钢材料的力学性质及其物理性质,分析了玻璃钢应用于输电铁塔的可能性及其于纯钢电塔相比的优越性,给出了设计玻璃钢电塔存在的技术问题及其解决方法。     

通过机器学习设计新型超导材料

在常压下寻找新型高温超导材料是物理和材料领域共同关注的热点问题。近年来，机器学习技术和大数据成功地解决了材料特性与复杂物理因素之间关系建模的难题，在新型材料的优化设计中获得了重要应用。然而利用机器学习在材料数据库中寻找常规Bardeen-Cooper-Schrieffer (BCS)超导材料，存在可用数据量少的问题，导致设计出的超导材料种类少，结构构型单一。结合BCS超导理论和半监督学习方法，发展了神经网络模型预测BCS超导体。通过充分利用材料数据库中大量的无标签数据，即未知超导温度但已知电子结构的晶体材料，使得训练出的分类模型准确性达72%。模型预测出数十种可常压下存在的新型BCS超导材料，其中B-C和B-C-N体系的超导温度最高可达约60 K，高于MgB₂的39 K超导纪录。     

机器学习原子势在锂金属负极中的应用

锂金属是下一代二次电池的理想负极材料。然而，锂枝晶生长存在安全隐患，并导致电池Coulombic效率低，这严重制约了锂二次电池的商业应用。目前，人们对锂的沉积生长机制在原子尺度上还了解甚少，同时对锂枝晶的成因也众说纷纭。近年来，机器学习在计算材料学中的应用使得许多以前无法实现的进步成为可能，本文综述了机器学习原子势在锂金属负极研究中的应用。     

分子模拟的方法及其应用

综述了分子模拟的方法及其在材料科学中的应用,介绍了分子模拟的基本原理、牛顿运动方程及其有限差分算法、势函数的发展、平衡态系综及其温度和压力的控制,最后还指出了分子模拟的应用及其进一步的研究方向     

新能源化工热力学

电化学中能源存储与转换技术等新能源技术是目前人类能源系统的重要技术组成部分,涉及多种物理化学过程,通过热力学的理论与模拟计算的方法对其进行研究,可以高效率地解决新能源的储存、释放和转化过程中的绝大部分问题。本文通过梳理总结国内外关于理论计算方面热力学在电化学领域的研究成果,对热力学的研究进行分类并对其性质、优缺点、适用范围等进行了详细介绍。本文介绍了电化学能源存储与转换领域的经典热力学、分子与统计热力学、非平衡态热力学、高通量计算与机器学习对于热力学研究的辅助。通过非平衡态热力学解决电化学问题是当下的发展方向与趋势。而伴随计算机技术的发展,机器学习则是未来该领域一个很有前景的研究方法。希望该综述对热力学在电化学领域的进一步研究和技术发展发挥一定的参考作用。     

磁性纳米材料在污水中重金属离子处理中的研究进展

综述了目前研究较多的几类磁性纳米材料在废水处理中的应用及其改性研究进展,主要讨论了水处理过程中的影响因素和吸附机理,最后分析了该材料在废水处理应用及研究中有待解决的问题,并展望了该技术的发展趋势。     

材料科学与工程中应用ANN的前景

介绍了ANN的基本概念和内涵及其主要用途，如在材料学科中的数据处理，尤其是陶瓷材料设计和材料检测中的应用前景。指出在现有研究的水平上，采用ANN解决材料科学与工程实际问题时的优点和局限性。     

聚合物相转移材料在建筑节能中的应用进展

随着能源危机的加剧,具有保温和储能性质的相转移材料对合理利用能源有着重要的价值和意义。就目前国内外关于聚合物相转移材料的研究现状进行了综述。介绍了目前聚合物相转移材料的分类,不同种类的聚合物相转移材料的性能、聚合物相转移材料在储热方面的应用技术等。讨论了聚合物相转移材料在建筑节能中的发展现状、研究和应用进展以及当前存在的主要问题,提出了聚合物相转移材料研究面临的挑战和需要解决的问题。