计算预测 - AI在线

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。