详细内容或原文请订阅后点击阅览
AI驱动的材料映射加速材料发现
从无数可能性中选择正确的材料仍然是材料发现的核心障碍。理论驱动的预测和基于实验的验证有助于我们做出明智的选择，但他们的进步长期以来一直在单独的轨道上进行。
来源:英国物理学家网首页从无数可能性中选择正确的材料仍然是材料发现的核心障碍。理论驱动的预测和基于实验的验证有助于我们做出明智的选择，但他们的进步长期以来一直在单独的轨道上进行。
Tohoku University的一组研究人员现在已经与AI建造的材料图弥合了这一差距，该图将文学衍生的实验数据与代表性的第一原理计算数据统一。该地图可能是一种工具，可以将研究人员带入适合给定情况的正确材料，而不会浪费时间在一路上迷路。
实验数据此“材料映射”是一个大图，带有用于热电性能（ZT）和结构相似性的轴，每个数据点代表材料。在此地图上，结构类似（即相似）的材料近距离出现。
热电性能由于通常使用相似的方法和设备对此类材料进行合成和评估，因此该地图使实验者能够快速识别未知高性能材料的类似物，并将现有的合成方案重新确定为下一步，从而减少试验和纠正。
由特别任命的副教授Yusuke Hashimoto和Takaaki Tomai教授（Fris）与助理教授Xue Jia和Hao Li（WPI-AIMR）合作，该研究现已发表在APL机器学习中，旨在与基于实验的数据相结合以提供最准确的图片。
已发布 神经网络 更多信息： doi：10.1063/5.0274812