機械学習支援型2次元材料研究における歴史的データマイニングの深掘り：電気化学的応用
Krittapong Deshsorn1,2, Panwad Chavalekvirat1,2, Somrudee Deepaisarn3,2
1School of Bio-Chemical Engineering and Technology, Sirindhorn International Institute of Technology, Thammasat University, Pathum Thani 12120, Thailand.
機械学習は、エネルギー応用のための2次元材料の発見と最適化を加速します。このレビューは、トレンドを分析し、機械学習、密度汎関数理論、実験が材料科学をどのように進歩させるかを強調しています。
科学分野:
- 材料科学
- 計算化学
- 電気化学
背景:
- 機械学習（ML）は2次元材料の設計に革命をもたらしています。
- MLは、発見、最適化、スクリーニングプロセスを加速します。
- 電気化学的エネルギー応用における2次元材料へのMLの統合は、成長分野です。
研究 の 目的:
- 電気化学的エネルギー応用における2次元材料へのMLの歴史的および進行中の統合をレビューすること。
- 知識発見データベース（KDD）アプローチを使用してトレンドと洞察を分析すること。
- ML、密度汎関数理論（DFT）、および実験の相乗効果を強調すること。
主な方法:
- Scopusデータベースからのデータマイニング。
- 引用、キーワード、トレンドの分析。
- マクロおよびミクロスコープの洞察を得るための文献レポートのコンピュータ分析（ヒートマップ、ネットワークグラフ）。
主要な成果:
- 大規模な文献分析から主要な洞察を特定しました。
- 重要な材料特性を特定するためのML技術を紹介しました。
- ML、DFT、実験による材料科学の共同進歩を実証しました。
結論:
- ML、DFT、および従来の実験は、エネルギー応用のための2次元材料の進歩を共同で推進しています。
- このレビューは、バッテリー、燃料電池、スーパーキャパシタ、および合成におけるMLアプリケーションの包括的な分析を提供します。
- MLは、不可欠な材料特性の同定を強化するために不可欠です。
さらに関連する動画
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
Published on: June 10, 2021
13:44Project-Based Learning Guidelines for Health Sciences Students: An Analysis with Data Mining and Qualitative Techniques
Published on: December 9, 2022
関連する概念動画
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
10:43Eye-tracking Technology and Data-mining Techniques used for a Behavioral Analysis of Adults engaged in Learning Processes
13:44Project-Based Learning Guidelines for Health Sciences Students: An Analysis with Data Mining and Qualitative Techniques
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
08:41Electrochemical Impedance Spectroscopy as a Tool for Electrochemical Rate Constant Estimation
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography