【导读】 化学作为在原子、分子水平上研究物质的组成、结构、性质、转化及其应用的基础自然科学，其源自生活和生产实践，并随着人类社会的进步而不断发展。其中，化学知识...
解读–基于机器学习的锂离子电池寿命预测 锂离子电池的精确寿命预测对于高效电池开发至关重要，从而实现盈利的电动汽车和向零排放移动性的可持续转型。然而，...
【引言】 均相金属催化剂的形态是反应性、效率和选择性的关键决定因素。然而，决定催化剂的核素（如单体与二聚体）、有利的氧化态以及催化剂的连接态常常几乎不被理解。例...
【背景介绍】 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。深度学习的概念由Hinton等...
【引言】 过去十年见证了汽车发动机发展的显著转变。大型自然吸气汽油发动机被较小的涡轮增压发动机取代，而且混合动力和电动汽车市场也已经经历了一个快速的增长。通过结...
【背景介绍】 机器学习（ML）一直在改变材料科学。在过去的20年里，生成的数据量急剧增加，ML提供了提取信息的基本工具：帮助对材料进行推断的软件是很常见且免费的...
【引言】 NEB算法是用于计算化学体系中过渡态最为常用的方法。这种算法一般通过寻找反应物和产物转化的最小能量路径，来识别与两能态之间的势垒有关的能量。NEB算法...
【引言】 非晶硅的结构被广泛地认为是四面体连接的连续随机网络，但其细节更为精细：缺陷环境，如三重悬挂键，以及中程有序度，都还未有定论。结合实验观测，原子级计算机...
【引言】 巯基化金纳米团簇是研究最广泛的体系之一，在催化、电子和生物医学等领域具有重要应用。随着合成技术的发展，研究人员发现了上述体系的双金属类似物，能够进一步...
【引言】 为本体异质结太阳能电池设计的新型有机半导体吸引了许多研究项目，根据其成分的知识预测太阳能电池的能量转换效率（PCE）。从理论角度看，由于光伏电池在吸收...
【引言】 基于人工神经网络的机器学习已经成为一种有效的学习方法，可用于开发复杂系统的经验模型。在世界各地的实验室里，冷原子团已是司空见惯，然而，多体相互作用产生...
【引言】 晶界动力学和晶粒长大、晶界扩散、滑移，位错和点缺陷的产生湮灭有着密切关联。评价晶界原子动力学的复杂性在于：这种复杂性既和晶界结构的高度退化的本质有关，...
【引言】 功能材料的开发是工业创新的基石，而且开发具有靶向性的材料一直是科学研究的热点。基于密度泛函理论（DFT）的高通量计算等技术的出现在一定程度上加速了材料...
【引言】 薛定谔方程为分子和材料之间提供了强大的结构-性能关系。对于给定的化学元素的空间分布，可以用来描述电子的分布以及广泛的物理反应。其中，量子力学的发展为化...
【引言】 机器学习算法在很多领域取得了令人瞩目的进步，从而广受人们关注，但它在晶体结构预测方面的应用还有待发展。晶体结构搜索通常要处理大量的备选结构，若对每一个...
【引言】 在块体材料与纳米材料中，原子位置与周期性晶格位置的局部偏离经常导致材料产生独特的结构与功能。局部原子的位移在很多过程中（如化学反应和相变）至关重要，并...
【引言】 层状二维（2D）材料有望革新当代能源、传感器、电子和光学器件，自从石墨烯被发现以来，各种二维材料如雨后春笋似的出现在研究人员的视野中，其中有一类名为M...
【引言】 物质丰富的存在形态结合机器学习技术在识别和形成图形的能力，可作为揭示凝聚态物理中涌现现象的一种新方法。在物理学中，用“相”来总结材料性质最有效。当改变...
【引言】 机器学习近期跻身为材料研究中的重要工具。机器学习模型现已成功应用于预测晶界能和纯金属中的迁移率，铁电体距离温度和钙钛矿的种类等。然而，机器学习的主要应...
【引言】 在元素周期表内多达一百多种的元素中，存在着大量潜在的新材料可用于应对我们当前遇到的技术难题和社会挑战。然而，由于缺乏导向性，特别是对于某些受制备过程影...
