详细内容或原文请订阅后点击阅览
可靠的材料数据库连接人工智能和实验主导的材料发现
东北大学研究人员强调，结构良好的材料数据库对于材料科学和能源发现中可靠的人工智能至关重要。
来源:Scientific Inquirer东北大学的研究人员表示，材料数据库是能源相关领域未来数据驱动发现的核心。
在《Precision Chemistry》杂志上发表的一篇新文章中，他们研究了不同类型的数据库（包括计算数据库和实验数据库）如何协同工作以支持材料科学中使用的现代人工智能 (AI) 工具。
研究发现材料数据库不再只是存储信息的地方。相反，它们在确定人工智能模型的表现方面发挥着核心作用。数据收集、组织和共享的方式（称为数据库架构）可以直接影响人工智能系统是否产生可靠且有用的结果。
“在图书馆里，如果图书标签不清晰、缺页或难以获取，即使是最熟练的读者也很难找到准确的信息，”该论文的主要作者、东北大学材料研究所 (AIMR) 特聘教授李浩强调说。 “同样，人工智能模型依赖于结构良好且精心策划的数据来做出合理的预测。”
Li 和他的团队将计算数据库分为两大类：关注散装材料属性的数据库和关注表面和界面的数据库。他们还审查了涵盖晶体结构、催化、能量存储和材料表征等领域的实验数据库。
进一步的分析揭示了集成平台日益增长的重要性。这些系统将计算预测与详细的实验数据联系起来，使科学家能够在连续的循环中测试想法、完善模型并验证结果。这种方法支持更高效、更可靠的材料发现。