返回頂部
返回首頁
返回首頁
歡迎訪問  中國牛涂網   | 今天是   
中國牛涂網全新改版進行中!
福建体彩31选7走势图2元网
home 您現在的位置: 首頁 >工業機器人>技術中心 > 詳細信息
使用大數據和機器學習技術從異常中發現異常結構
2019年05月17日    閱讀量:299    新聞來源:中國牛涂網-涂料,化工,機械,建材,行業資訊門戶網站  |  投稿

機器學習(ML)已在材料科學中得到廣泛應用。據信,由ML開發的模型可以描述數據的共同趨勢,因此反映了結構和性質之間的關系,這可以應用于大多數化合物。因此,通過使用現有數據庫訓練ML模型,可以在耗時的實驗或計算之前預測化合物的重要性質,這將極大地加速新材料設計的過程中國機械網okmao.com


雖然非常有用,但這些模型并沒有直接顯示結構與財產之間關系的規則和物理。盡管它們具有良好的整體性能,但總會有一些例外,其中ML模型未能給出準確的預測。很多時候,正是這些例外情況為基礎物理學提供了一些新的見解,并開辟了科學的新領域。


由北京大學深圳研究生院先進材料學院創始院長馮攀教授領導的一個研究小組最近表明,這些模型不僅在成功準確預測屬性時,而且在失敗時也很有價值。在他們的工作中,建立了一個模型,根據學校自己構建的高通量計算數據庫,根據其原子結構預測化合物的HSE帶隙。模型的R2為0.89,與同類作品相當。然后他們過濾掉那些預測誤差大于2 eV的結構并仔細檢查它們。許多結構具有不尋常的結構單元,或顯示具有相似化合物的其他異常,例如相對大的帶隙或處于不同的相位。在這些不尋常的結構中 AgO2F引起了極大的興趣,并給出了詳細的分析。發現Ag3 +和O22-共存于該化合物中,而Ag離子處于方形平面配位,Ag和O的軌道之間幾乎沒有雜化。帶邊緣附近的狀態主要由O-2p軌道和帶組成。間隙遠小于其他含Ag3 +離子的化合物。這為陰離子氧化還原性質提供了一個新的例子,這是研究Li過量電極材料的熱門話題。這些結果證明了如何從機器學習中的異常中發現異常結構,這可以幫助我們從現有數據庫中研究新物理和新結構單元。在Ag和O的軌道之間幾乎沒有雜化。帶邊緣附近的狀態主要由O-2p軌道貢獻,帶隙比其他具有Ag3 +離子的化合物小得多。這為陰離子氧化還原性質提供了一個新的例子,這是研究Li過量電極材料的熱門話題。這些結果證明了如何從機器學習中的異常中發現異常結構,這可以幫助我們從現有數據庫中研究新物理和新結構單元。在Ag和O的軌道之間幾乎沒有雜化。帶邊緣附近的狀態主要由O-2p軌道貢獻,帶隙比其他具有Ag3 +離子的化合物小得多。這為陰離子氧化還原性質提供了一個新的例子,這是研究Li過量電極材料的熱門話題。這些結果證明了如何從機器學習中的異常中發現異常結構,這可以幫助我們從現有數據庫中研究新物理和新結構單元。


標簽:行業資訊今日頭條人工智能技術中心機器人工業機器人
免責聲明: 本文僅代表作者本人觀點,與中國建材網無關。本網對文中陳述、觀點判斷保持中立,不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔全部責任。本網轉載自其它媒體的信息,轉載目的在于傳遞更多信息,并不代表本網贊同其觀點和對其真實性負責。如因作品內容、版權和其它問題需要同本網聯系的,請在一周內進行,以便我們及時處理。客服郵箱:[email protected] | 客服QQ:23341571
相關文章HOT
今日頭條Show更多
    熱點排行Hot
      微信關注WeChat
      掃描二維碼,獲取手機版最新資訊 中國牛涂網 您還可以直接微信掃描打開
      全站地圖

      深圳網絡警察報警平臺 深圳網絡警
      察報警平臺

      公共信息安全網絡監察 公共信息安
      全網絡監察

      經營性網站備案信息 經營性網站
      備案信息

      中國互聯網舉報中心 中國互聯網
      舉報中心

      中國文明網傳播文明 中國文明網
      傳播文明

      深圳市市場監督管理局企業主體身份公示 工商網監
      電子標識

      体彩31选7走势图