机器学习（ML）在材料领域应用与材料基因组专题

背景

机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设计等多个领域，并且在材料学研究中展现出惊人的潜力。传统的发现新材料的方法，如经验试错法和基于密度泛函理论(DFT)的方法，往往需要较长的研发周期，成本高、效率低，已经不能很好的适应如今需求量激增的材料学领域。机器学习因其强大的数据处理能力和相对较低的研究门槛，能够有效地降低工业开发中的人力物力成本，缩短研发周期。代替或配合传统的实验以及计算模拟，能够更加快速且准确的分析材料结构、预测材料性质，从而更加有效的开发新的功能材料。机器学习已在材料、纳米材料设计、化学、生物、医药设计、量子化学金属合金、环境等诸多领域得到广泛的发展，机器学习在材料科学的研究应用文章近两年来多次发表在Nature、Science、Angew、Advanced Materials、JACS、Nano Letters、ACS Catalysis、Joule、Matter、Energy Storage Materials等国际知名顶刊

"材料基因组计划"是美国经过信息技术革命后，充分认识到材料革新对技术进步和产业发展的重要作用，以及在复兴制造业的战略背景下提出来的，科研人员都知道材料科学是制造业的基础，而材料的研究又无捷径可走，只能按照规律对各种元素进行排列组合，通过不断的试验来寻找性能更好的新材料。这种研究模式无疑是非常低效率的，而且纯粹靠经验的累积，发达国家在材料科学上已经领先我们数十年的基础上，我们想靠这种方式追赶超对方可以说是希望渺茫，材料基因组融合了材料的高通量计算、高通量制备、高通量检测及数据库系统，材料基因组技术将加速新材料的发现和应用，材料基因组技术的实质是通过融合高通量材料计算设计、高通量材料实验和材料数据库三大组成要素,构建材料设计研发的协同创新网络,加速新材料从发现到应