机构名称：
¥ 1.0
摘要：由于材料候选物的可能性几乎是无限的，并且需要实现多个属性/性能目标，因此新材料的设计/发现非常困难。因此，现在通常使用机器学习工具通过学习从材料到属性空间的理论映射（称为正向问题）来虚拟筛选具有所需属性的材料候选物。然而，这种方法效率低下，并且受到人类想象力所能想到的候选物的严重限制。因此，在这项关于聚合物的研究中，我们通过解决逆问题来应对材料发现挑战：直接生成满足所需属性/性能目标的候选物。我们利用语法导向的变分自动编码器 (VAE) 与高斯过程回归 (GPR) 模型相结合，发现预期在三种极端条件下具有稳定性的聚合物：(1) 高温、(2) 高电场和 (3) 高温和高电场，可用于关键的结构、电气和储能应用。这种学习（并增强）人类智慧的方法是通用的，可以扩展到发现具有其他目标特性和性能指标的聚合物。■ 简介
采用 Syntax-... 设计的适用于极端条件的聚合物
主要关键词
相关文件推荐
