科学家使用机器学习加速材料发现

一种新的计算方法将提高对不同碳状态的理解，并指导寻找尚未发现的材料。美国能源部 (DOE) 阿贡国家实验室的科学家们最近展示了一种通过结合机器学习?(ML)和高性能计算来识别和探索有前景的新材料的自动化过程。新方法可以帮助加速有用材料发现和设计。

该算法使用单元素碳作为原型，预测了原子在很宽的温度和压力范围内排列自身以构成不同物质的方式。从那里，它构建了一系列科学家所谓的相图——一种有助于指导他们寻找新的有用物质状态的地图。

该算法成功地预测了众所周知的碳相图，并且计算机生成的相图证实并阐明了几个尚未解释的实验观察结果。获 取 更多前沿科技?研究 进展访问：https://byteclicks.com

在本研究中，该算法仅适用于碳。未来，科学家们希望将同样的方法应用于不止一种元素的系统。将?机器学习?算法应用于更复杂的系统可能会对有用材料的发现和设计产生广泛影响。

相关研究成果发表在《自然通讯》上。

机器学习算法的最终产品：碳的亚稳态相图。彩色区域表示碳以某些亚稳态存在的条件，这些亚稳态可能会产生有用的材料特性。（图片由阿贡国家实验室提供。）

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/42033.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞