中国地质大学（北京）AFM：通过机器学习创新材料科学

如今，材料科学的研究正迅速进入数据驱动时代。机器学习（ML）作为最重要的人工智能方法之一，由于其计算成本低、开发周期短、数据分析和预测能力强，正成为材料创新的绝佳工具，无疑具有巨大的应用前景。

图1. 在材料科学中引入人工智能和机器学习

在此，中国地质大学（北京）黄朝晖教授、闵鑫副教授等人总结了材料科学中ML的挑战和当前进展，对设计策略进行了分类和突出，并为未来的发展提出了可能的观点。尽管与机器学习相关的材料科学的交叉研究显示出特殊的优势，但仍有一些挑战需要正确解决和深入理解，包括

i) 数据量不足；

ii) 难以识别、分类和关联特征；

iii) 特定算法通用性差；

iv) 抽象模型可解释性差；

v) 材料科学研究人员理论和编程能力的缺乏。为此，作者总结了将ML应用于材料科学的策略：增加数据量、ML处理特征研究（加强特征分析优化、探索特征之间的关系、将特征分为不同的类别、识别材料特征属性）、为材料科学开发专业算法、优化和评估学习模型、开发开源材料包和ML框架等。

图2. 材料科学中机器学习的挑战总结

虽然这些开创性研究促进了材料科学中的ML发展，但应进一步展望提高材料科学的工作效率和科研进展。作者概述了机器学习的几个可能方向：

（1）小样本机器学习（零镜头学习、单镜头学习、少镜头学习）；

（2）多特征组合构建新特征；

（3）控制数据以确保特征平衡；

（4）发现特征之间的相关性和相似性；

（5）预设实验变量参数；

（6）开发新颖的学习模型。作者希望这篇综述能为未来通过机器学习创新材料科学和技术提供重要的科学指导。

图3. 机器学习在材料科学中的展望

Innovative Materials Science via Machine Learning, Advanced Functional Materials 2021. DOI: 10.1002/adfm.202108044

原创文章，作者：科研小搬砖，如若转载，请注明来源华算科技，注明出处：https://www.v-suan.com/index.php/2023/10/15/1f794a494d/