Nature! 材料领域迎来重大突破！机器学习优化材料设计，实现材料性能显著提升!

文章预览

尽管计算能力有所提高，但元素和晶体结构类型的可能组合空间很大，这使得对稳定材料的大规模高通量研究成本高得令人望而却步，尤其是对于复杂材料和受有限温度等环境条件影响的材料。当基于物理的计算方法和劳动密集型实验不可行时，机器学习 （ML） 方法可以成为一种快速而强大的替代方案。由于大量的实验和第一性原理数据以及为材料建模而设计的改进的 ML 框架，ML 被证明可以有效地预测稳定性参数和加速发现新的稳定材料。在这篇综述中，我们总结了应用 ML 方法预测材料稳定性的最新进展，特别关注零温度和有限温度稳定性的预测。我们还强调了在预测其他热力学旋钮（例如压力和表面/界面能）时需要更多的 ML 开发，这些函数实际上会影响材料的稳定性。 机器学习锂离子电池 专题： 锂离子电池，作为现代科技领域的核心能源 ………………………………