话题：机器学习

【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...

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...

【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...

【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...

【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...

【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...

【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...

【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...

【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...

【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...

【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，...

【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：...

【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...

【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...

【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...

【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...

【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...

【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...

【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...

【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...