在几个领域工作的研究人员发现，开发具有理想特性以满足某些功能的材料的挑战。亚博网站下载这个问题在从催化到太阳能电池的地区很常见。
图片来源：东京大学。
为了加快此开发过程的步伐，研究人员可以依靠建模方法来预测可以指导进一步改进的信息。
科学家来自东京大学工业科学研究所亚博老虎机网登录已经设计了一个机器学习模型，该模型可以根据单个组件的规范找到吸附和粘合材料的属性。亚博网站下载
研究结果发表在《杂志》上应用物理快递。
当识别宏观尺度上经历的结构和特征时，材料中强度和键长的特征非常重要。亚博网站下载因此，容易估计此类特征的潜力为设计新材料做出了重大贡献。亚博网站下载
状态（DOS）的密度是可以估计分子，单个原子和材料的参数。亚博网站下载这是指电子可在材料中组织起来的选择。
通过消除制造和检查材料的需求，一种能够处理特定组件并为所需产品生成有用数据的建模技术将是令人印象深刻的工具。
该团队采用了机器学习技术，该技术能够在没有人类干预的情况下完善其响应。这样做是为了从单独组件的DOS数据中投射出四个各种特征。
早些时候，DOS已被用作形成单个参数的描述符。这是它首次用于预测多个不同的属性。
我们能够定量预测三种不同类型的系统的结合能，键长，共价电子的数量和费米能量。
东京大学工业科学研究所的第一作者Eiki Suzuki亚博老虎机网登录
与确定键合系统的DOS相比，确定孤立状态的DOS不太复杂。因此，分析相对有效。此外，即使仅参与培训的数据集的20％，神经网络模型也表现出良好的性能。
我们模型的一个重要优点是它是一般的，可以应用于各种系统。
东京大学工业科学研究所的研究通讯作者Teruyasu Mizoguchi亚博老虎机网登录
“我们认为，我们的发现可以为众多开发过程做出重大贡献，例如在催化中，并且在诸如纳米簇和纳米线等新研究领域可能特别有用，” Teruyasu Mizoguchi补充说。
期刊参考：
铃木，E。等。（2021）在键合之前使用孤立状态对基于机器学习的模型对键合的精确预测。应用物理快递。doi.org/10.35848/1882-0786/ac083b。
资源：https://www.iis.u-tokyo.ac.jp/en/