人工智能加速材料发现综述论文

近日，国际著名学术期刊《自然-材料综述》(Nature Reviews Materials)在线刊登了上海交通大学材料科学与工程学院姚振鹏副教授团队与合作团队的综述文章“Machine learning for a sustainable energy future”，为机器学习在能源材料、设备、管理等领域的相关推动作用提供了前瞻方向。该论文以上海交通大学为第一单位，上海交通大学材料科学与工程学院姚振鹏副教授为第一作者。

从化石能源过渡到可再生能源是一项重大的全球挑战，需要整个能源产业在材料、设备和系统层面取得进步，以实现可再生能源的高效收集、储存、转换和管理。能源领域研究人员已经开始利用机器学习技术来促成这些进步(图1)。

图1 传统与机器学习加速的材料开发范式

在材料综述中，团队重点介绍了机器学习推动的能源研究最新进展，概述了当前面对的挑战并前瞻了未来的发展方向，并同时描述了充分利用机器学习技术所需的前提条件。团队引入了一组材料加速开发性能指标 (XPIs)，用于比较不同机器学习范式对能源研究推进效果的区别与进步空间。同时讨论和评估了将机器学习应用于能量收集(光伏)、存储(电池)、转换(电催化)和管理(智能电网)的最新进展。最后，概述了机器学习在能源领域的潜在研究领域(图2)。

图2 机器学习在可再生领域的应用发展方向

此外，团队在同期《自然-物理综述》(Nature Reviews Physics) 上还发表了综述“On scientific understanding with artificial intelligence”，系统概括了人工智能在推动科学理论建立领域的最新进展。近年来，该团队在电化学储能、高通量实验与计算、深度机器学习等领域开展了广泛的研究，相继在Science、Nature Energy、Nature Catalysis、Nature Machine Intelligence、Science Advances、Nature Communications、Matter、Accounts of Chemical Research等学术期刊上发表了一系列研究论文。

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/42477.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞