利用机器学习发现和设计材料
筛选具有良好性能的新型材料和定量结构活性关系（QSAR）的建模等问题是材料科学领域的热门话题。传统的实验和计算建模经常耗费巨大的时间和资源，并受到实验条件和理论基础的限制。因此，必须开发一种加速新材料发现和设计过程的新方法。近来，使用机器学习来发现和设计材料受到越来越多的重视，并在时间效率和预测精度方面都取得了很大的进步。在这篇综述中，首先概述了在材料科学中应用机器学习的典型模式和基本程序，并对主要算法进行了分类和比较。然后，对目前的机器学习研究状况在材料性能的预测、新材料发现和其他用途的应用情况进行了综述。最后，讨论了机器学习在材料科学中面临的问题，也提出了可能的解决方案，并预测了在未来研究的潜在方向。通过将计算研究与实验直接结合，希望能够深入阐明影响材料性质的参数，从而实现对材料发现和设计的更有效和有针对性的研究。
阅读全文http://www.sciencedirect.com/science/article/pii/S2352847817300515