算法成功识别超硬化物,消除长试错
美国研究人员开发机器学习算法可加速发现有理想属性的材料筛选数据库超过10万复合物 计算机预测最有前景超硬素材
超硬素材归为硬度大于40千兆维克斯硬性测试.用于各种工程和生物医学应用,包括钻机、切割工具以及人工关节高价和难制作,需要极端温度和压力或含重转换金属
寻找新素材通常需要长时间试试研究,但Jakoah布哥赫得克萨斯州休斯敦大学实验显示机器学习可能促成目标更明确方法
Brgoch解释道 :机器学习允许我们做的是超越所有其他复合物-我想把它看穿噪声-并集中努力于我们确信能产生我们所期望的机械响应的材料上
机器学习已被应用预测素材属性, 使用它预测硬性仍是一个挑战这是因为硬性是一个复杂属性,不仅取决于材料的化学组成,还取决于材料制作和随后处理或处理的方式。
Brgoch团队使用代理硬性算法预测与硬性直接相关的固有机械属性,包括散装模数和剪模数30秒以内使用传统桌面计算机,机器学习算法筛选118,000多材料晶体结构,使用能力识别高容量剪模复合物,显示潜在的超硬性
算法结果引导研究者向两种材料看齐-一丁二叉二叉二叉二叉二叉二叉二叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉四叉三叉四叉三叉三叉三叉三叉三叉四叉三叉三叉三叉四叉三叉三叉三叉三叉三叉三叉四叉二叉二叉三叉四叉三叉四叉三叉三叉三叉四叉三叉三叉三叉三叉四叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉二叉三叉三叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉二叉二叉二叉二叉三叉三叉三叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉二叉二叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉三叉二叉二叉二叉二叉三叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二叉二Brgoch表示:「加点改善后,
但这些素材和晶体结构先前曾报告过,但鲜为人知它们的属性事实目前仅限于采取已知素材,未来我们想预测全新复合物 并加布哥
阿龙沃尔什并用量子机械计算结果训练统计模型作广义预测, 提供计算化学变化的及时实例
产生超硬异构非易用常规筛选程序发现之事
引用
德黑兰et al,J.美联储切姆索克市2018年DOI:10.1021/jacs.8b02717
尚没有备注