麻省理工利用革命性人工智能方法加速新功能材料的设计
麻省理工学院的研究团队发现,与标准的实验和理论方法相比,机器学习技术有很大的优势。在2020年9月发表在《自然-能源》杂志的一篇文章中,三位科学家提出了几个“大挑战”--其中之一是为热能储存装置寻找合适的材料,这些材料可以与太阳能系统协同使用。 ![]() 幸运的是,麻省理工学院核科学与工程系Norman C. Rasmussen副教授,该系量子物质小组的负责人李明达已经在沿着类似的思路思考。事实上,李明达和九个合作者(来自麻省理工学院、劳伦斯伯克利国家实验室和阿贡国家实验室的研究人员)正在开发一种新的方法,涉及一种新的机器学习方法,这将使其更快、更容易识别具有热能存储和其他用途的有利特性的材料。 他们的调查结果最近发表在《先进科学》的一篇论文中。橡树岭国家实验室的杰出工作人员、物理学家Jaime Fernandez-Baca评论说:“这是一种革命性的方法,有望加速新功能材料的设计。” 李明达和他的合作者写道,材料科学的一个核心挑战是“建立结构与性能的关系”——弄清楚具有特定原子结构的材料将具有的特性。李明达的团队特别关注使用结构知识来预测“声子态密度”,这对热性能有关键影响。 ![]() |