基于AFLOW的无机材料自主数据驱动设计
材料科学
2018-05-17 v2
摘要
可编程访问的材料数据的扩展培育了数据驱动方法的机遇。像AFLOW这样高度自动化的框架不仅管理材料数据的生成、存储与传播，还利用这些信息进行热力学可成形性建模，例如相图和无序材料性质的预测。结合标准化参数集，丰富的数据非常适于训练机器学习算法，这些算法已被用于性质预测、描述符开发、设计规则发现以及候选功能材料的识别。这些方法有望革新合成之路，并最终将传统材料发现实践转变为理性与自主的材料设计。
引用
@article{arxiv.1803.05035,
title = {Autonomous data-driven design of inorganic materials with AFLOW},
author = {Corey Oses and Cormac Toher and Stefano Curtarolo},
journal= {arXiv preprint arXiv:1803.05035},
year = {2018}
}
备注
8 pages, 2 figures, submitted to "society magazine"