面向新型热材料发现的机器学习：早期成果、机遇与挑战
材料科学
2019-06-17 v1
摘要
由机器学习辅助的材料高通量计算与实验设计已成为材料科学中日益重要的领域。该研究方向在热科学中突飞猛进，部分归因于获取材料热性质的计算与实验方法的进步。本文对近期部分工作给出当前概览，并强调该领域面前存在的挑战与机遇。我们特别关注利用机器学习与高通量方法筛选化合物、复合材料、合金以及界面热导的热导率。这些新工具带来了理解新关联与识别新描述符的反馈机制，加速了新型热功能材料的发现。
引用
@article{arxiv.1901.05801,
title = {Machine Learning for Novel Thermal-Materials Discovery: Early Successes, Opportunities, and Challenges},
author = {Hang Zhang and Kedar Hippalgaonkar and Tonio Buonassisi and Ole M. Løvvik and Espen Sagvolden and Ding Ding},
journal= {arXiv preprint arXiv:1901.05801},
year = {2019}
}