人工智能驱动材料的发现? 文章的视角:扩大深度学习用于材料发现的规模
Anthony K Cheetham1,2, Ram Seshadri1
1Materials Department and Materials Research Laboratory, University of California, Santa Barbara, California 93106, United States.
Chemistry of materials : a publication of the American Chemical Society
|April 29, 2024
概括
研究人员探索了人工智能和机器学习 (AI/ML) 以发现新型无机化合物. 然而,该研究发现,化合物满足新性,可信性和实用性的标准的证据有限,这突显了合成专业知识的需要.
科学领域:
- 固态和材料化学 固态和材料化学
- 晶体无机化合物 晶体无机化合物
- 发现材料的发现.
背景情况:
- 发现新的晶体无机化合物对于推进材料科学和技术至关重要.
- 新的组合和晶体结构可以带来增强的材料特性和新的技术应用.
- 新化合物发现的加速方法受到材料研究人员的高度追捧.
研究的目的:
- 检查最近一项使用人工智能和机器学习 (AI/ML) 提出新无机化合物的研究的说法.
- 评估AI/ML提出的化合物的新性,可信性和实用性.
- 评估AI/ML方法在加速材料发现方面的潜力.
主要方法:
- 利用现有的数据集.
- 采用高通量密度的功能理论计算用于结构稳定性.
- 综合人工智能和机器学习 (AI/ML) 工具用于复合提案.
主要成果:
- 对于符合新性,可信性和实用性的标准的拟议化合物的证据很少.
- 人工智能/ML方法虽然有希望,但需要进一步改进.
- 材料合成和晶体学领域的专业知识对于验证拟议的化合物至关重要.
结论:
- 目前的AI/ML方法显示出潜力,但对于实际的材料发现需要显著改进.
- 整合实验合成和晶体学知识对于成功至关重要.
- 需要进一步的研究来弥合计算预测和实验验证之间的差距.
