搜索熱: 石墨烯
掃一掃 加微信
荒野行动pc版怎么全屏 > 新聞資訊 > 行業動態 > 消息正文
北大深圳研究生院潘鋒教授團隊在運用大數據和人工智能加速發現新型材料結構方面取得進展
發布:blast_k   時間:2019/5/27 11:58:13   閱讀:204 
分享到新浪微博 分享到騰訊微博 分享到人人網 分享到 Google Reader 分享到百度搜藏分享到Twitter

近年來,人工智能機器學習在材料科學研究中得到了廣泛的應用。通過構建的材料數據庫等大數據系統進行機器學習模型訓練,許多還沒有實驗和理論數據的化合物性質可以被預測出來,這將大大加速新材料發現及相關研究?;餮霸誆牧峽蒲е械撓τ彌皇墻⒔峁褂胄閱苤淶墓叵?,它試圖在材料指紋(包括組成元素的特征、原子結構信息以及這些特征的任何組合)和我們感興趣的目標屬性之間建立預測關系。過去的工作中,機器學習方案的預測能力在材料的帶隙、彈性模量、相穩定性、離子電導率、導熱系數、熔融溫度、玻璃化轉變起始溫度等性質有著很好的表現。

北京大學深圳研究生院新材料學院潘鋒教授團隊近年承擔了國家材料基因組工程研發固態電池及關鍵材料的項目,構建有60多萬獨立晶體結構的大數據系統(www.pkusam.com)并且嘗試應用人工智能機器學習的方法來加速新型材料的發現。在以往的研究中,機器學習方案的成功是基于數據庫中數據的共同趨勢,通過這樣的共同趨勢訓練,開發的模型可以應用于預測大多數化合物的結構與性能的關系。這對通常的化合物是有效的、準確的,因為在材料數據庫的大多數情況下,通?;銜錁哂泄嬖虻慕峁溝ピ?。然而,例外總是存在的(即使有95%的預測精度,總還有5%的例外)。潘鋒教授團隊通過對大量數據不斷改良機器學習不僅能夠實現高精度預測材料的結構和性能相關性(相當于發現材料的“遺傳”性質),同時首次原創性著眼于這些不在預測范圍的“例外”,并且通過分析這些“例外”(相當于發現材料的“變異或突變”性質),即分析遠離總體趨勢的異常結果,從中獲得新的洞見,發現了新型的結構基元(具有正3價的銀離子基團),這對基礎物理化學有了一些新的認識,并在科學上開辟了新的領域。該成果“Discovering unusual structures from exception using big data and machine learning techniques”以論文形式,應邀在著名學術期刊Science Bulletin(64 (2019) 612–616)上以封面文章發表。


期刊封面

在該工作中,團隊通過自主建立了一個包括HSE計算數據的材料結構數據庫,并基于此通過機器學習的方法對材料結構的帶隙進行學習,并展示了機器學習是如何被用來作為一種工具來挑選這些不尋常的案例,以及如何用傳統的分析方法來研究這些不尋常的案例,從而拓寬已有的科學知識。在該工作中,團隊只使用了相對較小的數據集進行訓練,并且ML模型的總體性能與已有的工作相當,模型R2約為0.89。通過觀察帶隙預測模型的結果,團隊從數據庫約4000種化合物中確定了34種不同尋常的“例外”化合物,在具體的分析之后,其中許多化合物具有不尋常的結構或其它異常,如特殊的配位環境或氧化態,帶隙相對于同族其它化合物的突然增加,或是同族不同化合物之間的不同相結構。


機器學習預測帶隙的結果

在這些具有較大預測誤差的化合物中,團隊發現了具有Ag3+和O22-特殊結構的AgO2F。隨后,通過與KAgO2(“正常”結構)的電子結構對比,他們發現AgO2F中不尋常的氧化態(O22-)使得O與Ag之間軌道雜化很小,帶隙附近的能級主要由O原子的2p軌道貢獻,帶隙遠小于其它含有Ag3+的化合物。這一實例證明了可以通過檢查機器學習模型中的異常,從大型數據庫中快速發現異常結構。


AgO2F(“異常”結構)與KAgO2(“正常”結構)的電子結構比較。AgO2F由于具有不尋常的氧化態(O22-)從而具有異常的表現

該工作由新材料學院潘鋒和伯克利汪林望教授指導,2016級研究生揭鑒澍與團隊合作完成。本工作得到國家材料基因工程重點研發計劃和廣東省重點實驗室的資金支持。

論文鏈接:https://www.sciencedirect.com/science/article/pii/S2095927319302014

來源:中國聚合物網

相關信息
   標題 相關頻次
 《自然》預測2019年重大科學事件
 1
 2015年最受網民關注科普事件:霧霾及其成因
 1
 BP神經網絡預測碳鋼在油田水介質中的腐蝕速率
 1
 Frechet分布的海底油氣管道腐蝕預測
 1
 ZG06Cr13Ni4Mo不銹鋼材料抗拉強度與布氏硬度的關系
 1
 寶鋼特鋼采用大數據分析技術 高鎳鋼鎳收得率大提高
 1
 采用修正θ投影法預測Cr25Ni35Nb爐管鋼的蠕變性能
 1
 從Vision China 2018 (上海)看人工智能新時代
 1
 大數據對檢驗檢測行業的影響,檢測人必看!
 1
 大數據時代油氣管道的安全與防護
 1
 大數據應用傳統行業 助推儀器儀表轉型升級
 1
 電力需求側大數據應用模型的建立
 1
 飛機“累了”? 用中子“探針”測測看
 1
 干勇院士:打造平臺經濟體推動釩鈦產業發展
 1
 高溫材料的多軸蠕變試驗方法
 1
 工信部副部長懷進鵬:關于中國工業化和大數據的四大觀點
 1
 共話大數據時代的科學儀器發展之路
 1
 關于T/P91鋼和T/P92鋼里氏硬度與布氏硬度換算差異性的物理學解釋
 1
 國務院:檢測認證大數據時代已然來臨
 1
 環?!按笫菔貝崩戳?避免檢測數據造假
 1
 基于BP神經網絡的合金鑄鐵腐蝕深度預測
 1
 基于RBF神經網絡的合金鑄鐵動態腐蝕性能預測
 1
 基于離散元法預測碳化硅陶瓷的高溫力學性能
 1
 基于神經網絡模型的海南變電站接地網Q235鋼腐蝕率預測
 1
 基于外腐蝕速率的管道動態定量評價
 1
 基于無偏灰色馬爾可夫鏈組合模型的管線腐蝕剩余壽命預測
 1
 檢測行業預測:2020年市場規模將超4100億
 1
 檢驗檢疫流程提速!大數據+質檢為政務加速度
 1
 煉廠常減壓裝置管線腐蝕速率的灰色預測
 1
 兩大團隊同時預測四夸克重粒子存在
 1
 納米信息學——納米科技邁入大數據的新臺階
 1
 人工神經網絡在我國海水腐蝕中的應用
 1
 無線傳輸技術開拓測試儀表新領域
 1
 新疆理化所在新材料預測設計中取得進展
 1
 應用灰色組合模型預測管道的腐蝕速率
 1
 這23項技術變革,將引爆第四次工業革命!
 1
 智能“材料大腦”誕生記
 1
 中國鐵物運用大數據技術完成對我國鐵路鋼軌首次“大體檢”
 1
一周新聞 Top 10
新品發布
專題報道