东南大学
成功率提高四倍,东大、浙师大提出材料合成通用框架,整合 AI、高通量实验和化学先验知识
编辑 | X在过去几年中,数据驱动的机器学习 (ML) 技术已成为设计和发现先进材料的强大工具。然而,由于需要考虑前体、实验条件和反应物的可用性,材料合成通常比性质和结构预测复杂得多,并且很少有计算预测能在实验中实现。为了解决这些挑战,来自东南大学和浙江师范大学的研究团队,提出了一个集成高通量实验、化学先验知识以及子群发现(subgroup discovery)和支持向量机等机器学习技术的通用框架来指导材料的实验合成,能够揭示隐藏在高通量实验中的结构-性质关系,并从广阔的化学空间中快速筛选出具有高合成可行性的材料。
1/9/2024 2:34:00 PM
ScienceAI
- 1
资讯热榜
标签云
人工智能
OpenAI
AIGC
AI
ChatGPT
DeepSeek
AI绘画
数据
机器人
谷歌
模型
大模型
Midjourney
智能
用户
学习
开源
GPT
微软
Meta
AI创作
图像
技术
论文
Stable Diffusion
马斯克
Gemini
算法
蛋白质
生成式
芯片
代码
英伟达
腾讯
神经网络
计算
研究
Sora
AI for Science
3D
Anthropic
AI设计
机器学习
GPU
开发者
场景
华为
预测
伟达
人形机器人
Transformer
百度
深度学习
AI视频
苹果
模态
xAI
字节跳动
驾驶
文本
搜索
大语言模型
Claude
具身智能
Copilot
神器推荐
LLaMA
算力
安全
应用
视频生成
视觉
科技
亚马逊
干货合集
特斯拉
2024
AGI
大型语言模型
训练