XiaoMi-AI文件搜索系统
World File Search System材料特性
应用物理学系 - 德里...
课程目标 本课程介绍 AI 和 ML 技术及其在材料科学中的应用。它涵盖 AI 和 ML 的基础知识，包括监督学习、无监督学习和强化学习，并探讨它们在预测材料特性、发现新材料和优化材料以用于特定应用方面的用途。该课程包括一个实验室部分，学生将在其中使用 AI 工具和数据集开展项目以解决现实世界的材料科学问题。
硅光伏电池中的光子管理
全面探讨了各种前后光子管理结构。 提出了进一步改善已实现的电池性能的建议。 解释决定光伏电池中各种能量转换损失的底层物理和材料特性。 探讨光子管理结构的光学优势及其对复合和电阻损耗的影响。 这篇独特的评论讨论了光子管理的最新进展，并提供了深入分析和进一步改进的途径。 术语：
纳米及先进材料研发院有限公司（NAMI）于2006年成立，并获香港特别行政区创新科技署指定为纳米及先进材料研发中心。
高级工程师/工程师 – 可生物降解塑料和塑料回收职责 被任命者将致力于可生物降解塑料、可生物降解材料和/或塑料回收的开发。他/她将负责设计配方、操作材料加工机器（如混料机、挤出机等）并使用分析仪器（如 DSC、FTIR、TGA、TEM、SEM 等）表征材料特性。除此之外，他/她还将负责准备项目进度报告、SOP 以及与行业合作伙伴合作相关的其他文件。
《粉末注射成型国际》2016 年 9 月第 10 卷第 3 期
拥有深厚陶瓷行业知识的专家将介绍材料、制造、应用和未来战略方面的最新理念和发展。陶瓷博览会会议将包括双轨会议。第一天将以“预测关键陶瓷市场以了解行业趋势”的全体会议开始，随后是“陶瓷材料特性和应用”和“陶瓷涂层和 CMC 制造工艺”的专题会议。第二天是特性和应用专题会议以及“成型技术和自动化”专题会议。最后一天将介绍“医疗应用”和“陶瓷和玻璃制造”专题会议。
在材料设计中释放人工智能的力量
摘要：人工智能 (AI) 算法在材料设计中的集成正在彻底改变材料工程领域，因为它们能够预测材料特性、设计具有增强特性的全新材料以及发现超出直觉的新机制。此外，它们可用于推断复杂的设计原理，并比反复试验更快地识别高质量候选材料。从这个角度来看，我们在此描述了这些工具如何加速和丰富具有优化特性的新型材料的发现周期的每个阶段。我们首先概述了材料设计中最先进的 AI 模型，包括机器学习 (ML)、深度学习和材料信息学工具。这些方法能够从大量数据中提取有意义的信息，使研究人员能够发现材料特性、结构和成分中的复杂相关性和模式。接下来，我们将全面概述人工智能驱动的材料设计，并强调其潜在的未来前景。通过利用此类人工智能算法，研究人员可以有效地搜索和分析包含各种材料特性的数据库，从而确定特定应用的有希望的候选材料。这种能力对从药物开发到储能等各个行业都有深远的影响，材料性能至关重要。最终，基于人工智能的方法将彻底改变我们对材料的理解和设计，开启加速创新和进步的新时代。
用于材料模拟的 Wannier 函数软件生态系统
扩展系统（晶体和无序系统）并可用于理解化学键合；表征电极化、磁化和拓扑；并作为最佳基组，在倒易空间或实空间中提供精确插值。本综述总结了当前基于 Wannier 函数的技术、材料特性和模拟代码的概况，这些技术、材料特性和模拟代码已向研究界开放，现已很好地集成到所谓的 Wannier 函数软件生态系统中。首先，介绍 Wannier 函数的理论和实用性，从它们广泛的适用领域开始，适用于使用最大局部化以外的替代方法的高级最小化方法。然后定义了 Wannier 生态系统的概念及其与许多量子模拟引擎和后处理包的交互和互操作性。本评论重点介绍了这种生态系统所赋予的一些关键特性和功能（从带插值和大规模模拟到电子传输、浆果学、拓扑、电子-声子耦合、动态平均场理论、嵌入和 Koopmans 函数），最后总结了互操作性和自动化的现状。本评论旨在强调代码背后的基本理论和概念，同时提及更深入的参考文献。它还阐明了代码之间的关系和联系，以及在相关情况下，其开发策略背后的不同动机和目标。最后，展望了未来的发展，并对整个软件生态系统的生物多样性和可持续性目标发表了评论。
面向软体机器人的通用框架和材料数据库
为了推动软体机器人领域的发展，统一的材料本构模型和实验特性数据库至关重要。这将有助于使用有限元分析 (FEA) 来模拟其行为并优化软体机器人的设计。根据 ASTM D412 标准，对 17 种弹性体的样品进行了单轴拉伸试验，这些样品包括 Body Double™SILK、Dragon Skin™10 MEDIUM、Dragon Skin™20、Dragon Skin™30、Dragon Skin™FX-Pro、Dragon Skin™FX-Pro + Slacker、Ecoflex™00- 10、Ecoflex™00-30、Ecoflex™00-50、Rebound™25、Mold Star™16 FAST、Mold Star™20T、SORTA-Clear™40、RTV615、PlatSil ® Gel-10、Psycho Paint ® 和 SOLOPLAST 150318。详细描述了样品制备和拉伸试验参数。拉伸试验数据用于使用非线性最小二乘法推导超弹性材料模型的参数，并将其提供给读者。本文介绍了多种市售超弹性材料的机械特性和由此产生的材料特性，其中许多材料在软体机器人领域得到认可并广泛应用，还有一些材料从未被表征过。实验原始数据和用于确定材料参数的算法在软体机器人材料数据库 GitHub 存储库上共享，以实现可访问性，以及软体机器人社区的未来贡献。所展示的数据库旨在帮助软体机器人专家设计和建模软体机器人，同时为未来与软体机器人研究相关的材料特性提供一个起点。