溶剂
比手动快13倍多，「机器人+AI」发现电池最佳电解质，加速材料研究
编辑 | 紫罗传统的材料研发模式主要依赖「试错」的实验方法或偶然性的发现，其研发过程一般长达 10-20 年。虽然基于机器学习 (ML) 的数据驱动方法可以加速清洁能源技术新材料的设计，但由于缺乏大型高保真实验数据库，其在材料研究中的实际应用仍然受到限制。近日，美国西北太平洋国家实验室和阿贡国家实验室的研究团队，设计了一个高度自动化的工作流程，将高通量实验平台与最先进的主动学习算法相结合，可有效筛选对阳极电解质具有最佳溶解度的二元有机溶剂。除了设计用于开发高性能氧化还原液流电池的高效工作流程之外，该机器学习引导的高
比传统量子化学计算快约40倍，机器学习揭示了如何将聚合物材料溶解在有机溶剂中
编辑 | 紫罗用有机溶剂溶解聚合物是高分子材料研究和开发中必不可少的过程，包括塑料回收、聚合物合成、精制、涂漆和涂层等。然而，预测和理解聚合物-溶剂二元系统的相平衡或相分离是聚合物化学中尚未解决的基本问题。日本统计数理研究所（The Institute of Statistical Mathematics）的研究人员利用三菱化学集团 (MCG) 的量子化学计算数据库，开发了一种新型机器学习系统，用于确定任何给定聚合物与其候选溶剂的混溶性，称为 χ 参数。该系统使科学家能够通过使用高通量量子化学计算整合计算机实验产生
- 1