详细内容或原文请订阅后点击阅览
AI 搜索了 1.5 亿种材料 - 并找到了未来电子产品的两个有前途的候选材料
研究人员从 448 篇论文中构建了包含 1,202 条记录的数据集，并筛选了约 1.5 亿个虚拟成分，以确定未来 MLCC 和电动汽车电子产品的潜在材料。寻找新的电子材料可能意味着搜索几乎无限数量的可能的化学组合。首尔国立大学的研究人员利用人工智能 [...]
来源:SciTech日报研究人员从 448 篇论文中构建了包含 1,202 条记录的数据集，并筛选了约 1.5 亿个虚拟成分，以确定未来 MLCC 和电动汽车电子产品的潜在材料。
寻找新的电子材料可能意味着搜索几乎无限数量的可能的化学组合。首尔国立大学的研究人员利用人工智能使搜索更易于管理，将分散在数百篇科学论文中的数据汇集在一起，并用它来识别在高温下保持稳定的无铅介电材料。
首尔国立大学工程学院研究团队由材料科学与工程系的 Ho Won Jang 教授领导。研究人员将从已发表的研究中提取的信息与基于物理的机器学习相结合，设计出新型无铅介电组合物。综合硕士/博士学生 Kwanwoo Song 是第一作者，并领导了整个项目，拥有综合硕士/博士学位。学生 Youngmin Kim 和博士后研究员 Jaehyun Kim 也做出了贡献。
电介质是绝缘材料，可在储存电荷的同时阻止电流的直接流动。它们对于智能手机、电动汽车和其他电子产品中的多层陶瓷电容器 (MLCC) 至关重要。较高的介电常数允许相同尺寸的组件存储更多的电能，但有用的材料还必须在温度升高时保持这种性能。
为了寻找有前途的作品，研究人员将多模式文献挖掘（从文本、表格和图表中提取信息）与基于物理的机器学习结合起来。他们的逆向设计策略从期望的性能目标开始，然后逆向确定可能满足这些目标的组合物。
研究结果发表在《自然通讯》上。