机构名称：
¥ 1.0
范围从材料到设备再到系统，重点介绍了 AI 和 ML 如何加速这些领域的研究和开发。目前，由于材料和设备合成的复杂性，能源化学中的大多数设计原理本质上都是经验性的。为了解决这一挑战，可以使用实验和计算数据训练 ML 模型以构建更定量的结构-属性关系。在一篇综述中，Xu 等人 ( https://doi.org/10.1039/D3YA00057E ) 讨论了 ML 在电池和催化等不同领域的应用，以及 ML 如何帮助制造新材料和新设备。有许多有前途的电池材料等待被发现，但巨大的化学空间使反复试验的方法变得难以处理。Ng 等人 ( https://doi.org/10.1039/D3YA00040K )
能源存储和转换中的人工智能和机器学习
主要关键词
相关文件推荐
