机构名称：
¥ 2.0
在过去十年中，机器学习 (ML) 已成为加速材料开发的有力工具 (1-5)。学术界、政府和商业实体正在广泛部署 ML 以服务于材料发现。即使只是所有材料研究的一小部分，材料 ML 的出版活动也呈指数级增长 (图 1)。尽管关于数据驱动的材料研究 (我们称之为材料信息学) 的文献越来越多，但只有一小部分已发表的研究最终形成了预测，随后通过实验（在实验室中或通过基于物理的模拟的“虚拟”实验）进行验证。训练有素的 ML 模型仅仅是一种手段，只有当 ML 预测得到证实时，材料信息学的效用才能充分实现。在这篇综述中，我们 (a) 描述材料信息学发现流程的关键组成部分；(b) 重点介绍描述材料信息学预测验证的最新研究，如表 1 所示； （c）注意一些针对 ML 的材料发现特定考虑因素。我们首先更详细地描述典型的材料信息学流程。
材料发现中的机器学习
主要关键词
相关文件推荐
