本文探讨了机器学习在材料科学中的应用，聚焦于材料数据的产生、存储和表征进展，以及面临的5V和3M挑战。作者强调了数据增强、多尺度研究、计算与实验数据融合的重要性，并提出了解决方案，如因果机器学习，以推动材料科学的进一步发展。
英文原题：Materials Data toward Machine Learning: Advances and Challenges
通讯作者：孙志梅，北京航空航天大学
作者：祝令刚，周健
背景和概要
机器学习驱动了材料科学研究范式的迭代。在材料的快速发现以及自主化智能实验室建立方面，机器学习已展现出巨大的变革能力。机器学习应用于材料科学已有大量的研究论文和综述报道，本文以机器学习的“原料”--材料数据问题为切入点，探讨如何进一步释放机器学习加速材料研发的巨大潜力。首先，本文总结了材料数据的高通量产生、标准化存储以及面向机器学习的数据表征方面的最新进展。接着，着重展望了未来材料数据问题的挑战
最低0.47元/天 解锁文章
扫一扫
911
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
