在异质催化中用于机器学习的特征工程方法
Yu Jin1, Hang-Biao Lv1, Shisheng Zheng1
1College of Energy, State Key Laboratory of Physical Chemistry of Solid Surfaces, iChEM, College of Chemistry and Chemical Engineering, Institute of Artificial Intelligence, Xiamen University, Xiamen 361005, Fujian, China. zhengss@xmu.edu.cn.
特性工程正在推进机器学习,用于材料发现的异质催化. 本综述详细介绍了其从基本描述符到复杂的多式联运表示的演变,强调了当前的挑战和未来的方向.
科学领域:
- 催化剂是一种催化剂.
- 材料科学 材料科学 材料科学
- 计算化学计算化学
背景情况:
- 机器学习 (ML) 在异质催化中越来越重要.
- 特性工程对于将催化剂结构与机器学习模型联系起来至关重要.
- 本综述探讨了该领域特征工程的历史发展和未来.
研究的目的:
- 系统地审查在异质催化中特征工程的演变.
- 识别特征工程中的当前挑战和新兴战略.
- 引导未来的ML驱动的催化研究创新.
主要方法:
- 关于异质催化物的特征工程技术的文献综述.
- 特征的分类:手工制作的描述符,符号回归,基于图形的,拓的和多式联络的.
- 分析挑战和提出解决方案.
主要成果:
- 特性工程已经从简单的描述器发展到复杂的图形和拓特征.
- 最近的进展包括整合文本和结构的多式模式表示.
- 关键的挑战包括发展不足的多式联运方法,可解释性和跨度描述器.
结论:
- 特性工程在异质催化中对ML至关重要,使材料发现和机械洞察成为可能.
- 应对当前的挑战将进一步增强ML对催化物的影响.
- 在特征工程领域的持续创新对于推进异质催化研究至关重要.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Catalysis
Introduction to Mechanisms of Enzyme Catalysis
Machines
A free-body diagram of the...
Machines: Problem Solving II
What is Genetic Engineering?
Machines: Problem Solving I
The toggle clamp system is a machine structure consisting of movable, pin-connected multi-force members that form a stabilized system to transmit forces. The...
