材料计算||MatCloud+ 利用人工智能技术高效开发新型聚酰亚胺导热系数最高可比常规材料高出80%.docx
《材料计算||MatCloud+ 利用人工智能技术高效开发新型聚酰亚胺导热系数最高可比常规材料高出80%.docx》由会员分享,可在线阅读,更多相关《材料计算||MatCloud+ 利用人工智能技术高效开发新型聚酰亚胺导热系数最高可比常规材料高出80%.docx(12页珍藏版)》请在第一文库网上搜索。
1、【文献解读】利用人工智能技术高效开发新型聚酰亚胺,导热系数PJComputationalMaterials最高可比常规材料高出80%Corrected:PublisherCorrectionARTICLEOPENMachine-learning-assisteddiscoveryofpolymerswithhighthermalconductivityusingamoleculardesignalgorithmStephenWu,”YukikoKondo?,Masa-akiKakimoto3rBinYang4rHironaoYamada1,IsaoKuwajima3,GuillaumeLamb
2、ard3rKentaHongoQ?s,6rYibinu3,JunichiroShiomi3,7,ChristophSchick48,JunkoMorikawa3,9andRyoYoshida1,2,3Theuseofmachinelearningincomputationalmoleculardesignhasgreatpotentialtoacceleratethediscoveryofinnovativematerials.However,itspracticalbenefitsstillremainunproveninreal-worldapplications,particularly
3、inpolymerscience.Wedemonstratethesuccessfuldiscoveryofnewpolymerswithhighthermalconductivity,inspiredbymachine-learning-assistedpolymerchemistry.Thisdiscoverywasmadebytheinterplaybetweenmachineintelligencetrainedonasubstantiallylimitedamountofpolymericpropertiesdata,expertisefromlaboratorysynthesisa
4、ndadvancedtechnologiesforthermophysicalpropertymeasurements.Usingamoleculardesignalgorithmtrainedtorecognizequantitativestructurepropertyrelationshipswithrespecttothermalconductivityandothertargetedpolymericproperties,weidentifiedthousandsofpromisinghypotheticalpolymers.Fromthesecandidates,threewere
5、selectedformonomersynthesisandpolymerizationbecauseoftheirsyntheticaccessibilityandtheirpotentialforeaseofprocessinginfurtherapplications.Thesynthesizedpolymersreachedthermalconductivitiesof0.18-0.41WmK,whicharecomparabletothoseofstate-of-the-artpolymersinnon-compositethermoplastics.npjComputational
6、Materials(2019)5:66;httpsdoi.org10.1038s41524-019-0203-2关键词:分子设计机器学习高导热性聚酰亚胺日本国立统计数理研究所StephenWu博士等研究人员借助人工智能技术,让计算机学习已有数据,高效研发高导热高分子新材料。相关研究成果发表在Nature旗下计算材料领域顶级期刊npjComputationalMaterials上。背景:通过大量数据训练,人工智能可与人类匹敌,甚至超越人类,这种能力已经在多个领域智力要求较高的任务中得到了证明。因此,人们对通过使用机器学习(ML)开发新材料,最终节省大量时间和成本的兴趣越来越大。特别是,近年来ML
7、在分子设计方面取得了显著的进展。计算分子设计的目标是识别新的有应用前景的分子,其物理化学性质满足任意给定的要求。尽管ML在材料科学方面的潜力越来越大,但其实际价值尚未得到充分验证。据研究报道,目前机器学习研究的重点主要集中在算法的发展上,而对计算设计出的材料进行实验验证的工作则少得多。由于聚合物特殊性,通过机器学习设计聚合物,并实际合成和实验证实是前所未有的。这主要是因为聚合物特性数据的缺乏以及聚合物结构的复杂性和多样性。在这项研究中,通过ML算法设计(称为贝叶斯分子设计),成功地发现了具有高导热性的新型聚合物。这个证明研究旨在突出聚合物信息学中的一个有应用前途的新例子,并提出几个应解决的问题
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 材料计算MatCloud+ 利用人工智能技术高效开发新型聚酰亚胺,导热系数最高可比常规材料高出80 材料 计
链接地址:https://www.001doc.com/doc/16846.html