打破质疑，连续发表两篇Science！材料领域重大进展，此次突破或将改写教科书！

文章预览

备注：David Baker因计算蛋白质设计刚刚获得了2024年的诺贝尔化学家。 深度学习 （DL） 是材料数据科学中发展最快的主题之一，其应用迅速涌现，涵盖原子、基于图像、光谱和文本数据模态。DL 允许分析非结构化数据并自动识别特征。最近大型材料数据库的发展推动了 DL 方法在原子预测中的应用。相比之下，图像和光谱数据的进步在很大程度上利用了由高质量正演模型和生成式无监督 DL 方法实现的合成数据。在本文中，我们简要概述了深度学习方法，然后详细讨论了深度学习在原子模拟、材料成像、光谱分析和自然语言处理方面的最新发展。对于每种模态，我们讨论了涉及理论和实验数据的应用、典型的建模方法及其优势和局限性，以及相关的公开可用的软件和数据集。我们通过讨论该领域与不确定性量化相关的近期交叉工作来结束综述，并简要 ………………………………