在纳米建筑学中的机器学习.

科学领域:

• * 集成纳米建筑学,一个专注于设计和制造纳米级材料的领域,与先进的计算技术.
• *强调现代科学发现的跨学科性质,桥梁材料科学,化学,物理和计算机科学.

背景情况:

• * 追踪数学,纳米科学和纳米建筑学之间的历史和主题联系.
• * 承认数学在科学进步中的基本作用,扩展到像纳米建筑学这样的新兴领域.
• *强调当前的纳米制造结构往往偏离最初的纳米设计,需要先进的分析工具.

研究的目的:

• * 审查人工智能 (AI),机器学习 (ML) 和深度学习 (DL) 在纳米建筑学中的应用.
• *分析这些计算方法用于纳米材料的发现,预测,优化,表征和成像的使用.
• * 特别关注ML在合物和纳米膜纳米技术中的关键作用.

主要方法:

• *对现有的AI,ML和DL应用在纳米架构学中的文献进行全面审查.
• *分析了ML在不同尺度上的实用性:原子/分子科学,合物/纳米膜以及微型/宏观技术.
• *通过可解释性,时间,准确性和参数 (ITAP) 矩阵检查可解释的人工智能 (XAI).

主要成果:

• * 证明了ML在加速发现和优化纳米建筑学过程中的重大影响.
• *鉴定了合物和纳米膜的纳米技术作为ML应用的特别相关领域,因为设计-制造差异.
• *强调了XAI在理解和信任材料科学中的ML驱动决策方面的重要性.

结论:

• *纳米架构学和机器学习有着密切的历史和主题联系,机器学习为纳米研究提供了强大的工具.
• * ML,特别是在合物和纳米膜的背景下,对于弥合理论设计和实际制造的纳米结构之间的差距至关重要.
• * 机器学习与自主合成的整合对未来材料设计和制造的优化具有前景.