12月18日2020年12月
从能源生产到航空航天，在许多行业，超硬材料都备受追捧。亚博网站下载然而，到目前为止，寻找合适的新材料主要是基于经典材料(如钻石)的反亚博网站下载复试验。
研究人员开发了一种机器学习模型，可以准确预测新材料的硬度，让科学家更容易找到适合于各种应用的化合物。亚博网站下载图片来源:休斯顿大学。
科学家们休斯顿大学(UH)和曼哈顿学院开发了一种机器学习模型，能够精确地确定新材料的硬度，从而使研究人员能够更容易地发现适合用于一系列应用的化合物。亚博网站下载这项研究已经在先进的材料亚博网站下载杂志。
超硬材料 - 或具有亚博网站下载硬度值的材料在维氏尺度上超过40种千兆卡斯卡，表示它需要超过40种千兆像千兆像千兆位的压力，以留在材料表面上的压痕 - 并不是那么常见。
这使得识别新材料变得很有挑战性亚博网站下载．这就是为什么像人造钻石这亚博网站下载样的材料仍然在使用，尽管它们的制造具有挑战性和昂贵．
Jakoah Brgoch，研究通讯作者，休斯顿大学化学副教授
其中一个难度因素是，材料的硬度可能基于施加的压力量，称为负载依赖性。这呈现测试目前几乎不可能使用计算建模并利用计算建模的材料。
该团队描述的模型通过完全基于材料的化学成分来估计负载依赖的维氏硬度来解决这一挑战。
该团队已经确定了10多个新的和潜在的稳定硼碳化相;研究人员正在设计和生产这种材料，以便在实验室中进行测试。亚博网站下载
根据模型的报告精度，前景似乎不错。该研究小组报告的准确率为97%。
该研究的第一作者、UH的博士生章子燕(Ziyan Zhang)表示，用于训练算法的数据库依赖于560种不同化合物的数据，每一种化合物都提供了大量的数据点。为了找到开发具有代表性的数据集所需的数据，研究人员不得不查阅数百篇已发表的学术论文。
所有好的机器学习项目都是从好的数据集开始的．真正的成功基本上是该数据集的发展．
Jakoah Brgoch，研究通讯作者，休斯顿大学化学副教授
BRGOCH也是呃UH的德克萨斯超导中心的主要研究者。除了BRGOCH和张，该项目的其他科学家们是ARIA MANSURI TEHRANI和BLAINT DAY，无论是UH，以及来自曼哈顿学院的ANTON O. Oliynyk。
传统上，科学家们使用机器学习来估计一个硬度的单一变量，德罗克。然而，不考虑财产的复杂性，例如负载依赖性，根据BRGOCH仍然没有清楚地理解。这使得机器学习理想的工具，尽管早些时候存在一些缺点。
根据Brgoch的说法，机器学习系统不需要理解物理原理．它只是分析训练数据，并根据统计数据做出新的预测．”
然而，机器学习也有它自己的缺点。
使用机器学习的想法并不是说，“这是下一个最大的材料”,但帮助指导我们的实验搜索。它告诉你你应该在哪里．
Jakoah Brgoch，研究通讯作者，休斯顿大学化学副教授
期刊引用:
张,Z。等．(2020)通过集成学习找到下一个超硬材料。先进的材料。亚博网站下载doi.org/10.1002/adma.202005112．
来源：https://www.uh.edu/