面向可持续能源未来的机器学习
材料科学
2022-10-20 v1 机器学习
摘要
从化石燃料向可再生能源转型是一项关键的全球挑战；它要求在材料、器件和系统层面取得进展，以实现可再生能源的高效收集、存储、转换和管理。全球研究人员已开始引入机器学习（ML）技术，旨在加速这些进展。ML技术利用数据中的统计趋势来构建模型，用于预测材料性质、生成候选结构、优化工艺等；因此，它们可被纳入发现和开发流程中以加速进展。在此我们回顾了ML驱动能源研究的最新进展，概述了当前和未来的挑战，并描述了未来如何最好地利用ML技术。首先，我们给出关键ML概念的概览。然后我们引入一组关键性能指标，以帮助比较不同ML加速能源研究工作流的益处。我们讨论并评估了将ML应用于能源收集（光伏）、存储（电池）、转换（电催化）和管理（智能电网）开发中的最新进展。最后，我们展望了能源领域中可进一步从ML应用中受益的潜在研究方向。
引用
@article{arxiv.2210.10391,
title = {Machine Learning for a Sustainable Energy Future},
author = {Zhenpeng Yao and Yanwei Lum and Andrew Johnston and Luis Martin Mejia-Mendoza and Xin Zhou and Yonggang Wen and Alan Aspuru-Guzik and Edward H. Sargent and Zhi Wei Seh},
journal= {arXiv preprint arXiv:2210.10391},
year = {2022}
}