科技工作者之家
科技工作者之家APP是专注科技人才,知识分享与人才交流的服务平台。
科技工作者之家 2019-07-23
sciencedaily.com网站报道,日本东京工业大学(Tokyo Tech)教授Ryo Yoshida和国家材料研究所(NIMS)研究人员Yibin Xu等带领的联合研究小组在《npj•计算材料学》杂志中展示了机器学习(ML)在发现创新材料方面的应用前景。机器学习是一种能够让计算机利用给定的数据进行“学习”的人工智能。Yoshida等表示,他们开发的包括“转移学习”(transfer learning)在内的机器学习方法,可以从非常有限的数据集中发现潜在的新材料。
位于NIMS的PoLyInfo是世界上最大的聚合物数据库。Yoshida等的项目利用了该数据库中的聚合物特性数据。尽管PoLyInfo的数据很强大,但关于聚合物传热性能的数据比较有限。为了使机器学习模型能根据有限数据预测传热性能,研究人员对模型进行了预训练。预训练内容与目标任务的公共特性相关。因此,即便后期使用的数据集非常有限,机器学习模型也能具备非常出色的预测性能。这就好比经验丰富的人类专家,即便任务经验极为有限,也能作出合理的判断。基于这样的考虑,Yoshida团队将模型与一种专门用于计算分子设计的iQSPR算法进行了结合。iQSPR是此前由Yoshida及其同事开发的用于识别潜力“虚拟”聚合物的算法。
从巨大的候选材料库中,研究人员从易于合成和加工等特点出发,选择了3种聚合物。性能测试结果表明,新聚合物的导热系数高达0.41W/mK。这一数值比自上世纪50年代以来已有广泛应用的常见聚合物聚酰亚胺高近80%。验证实验结果表现了快速、经济的机器学习方法在材料设计领域的关键性突破,也展示了Yoshida团队在数据科学、有机合成和先进测量技术方面丰富的综合性知识。Yoshida认为,他们的工作还有很多地方有待改进,例如可以通过添加更合适的描述符来“训练”计算系统,以进一步提高其处理有限数据的能力。他说:“针对聚合物或软材料设计的机器学习是极具挑战性的,但它也有广阔的应用空间。聚合物材料的性质不同于金属和陶瓷,并且无法由目前的理论进行全面预测。”论文作者Junko Morikawa补充说:“这项研究是发现其他创新性材料的起点。我们希望创建一种由机器学习驱动的高通量计算系统,进而为5G时代与后5G时代的应用设计新一代的软材料。我们的目标不仅仅是追求材料信息学的发展,还包括为材料科学、尤其是声子工程领域的基本发展作出贡献。”
科界原创
编译:雷鑫宇
审稿:阿淼
责编:唐林芳
期刊来源:《npj•计算材料学》
期刊编号:2057-3960
原文链接:https://www.sciencedaily.com/releases/2019/07/190719102133.htm
版权声明:本文由科界平台原创编译,中文内容仅供参考,一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
【WRC • 资讯】人工智能和机器学习技术推动企业发展
学校如何教授人工智能与机器学习?
打开人工智能“黑匣子” 科学家强调首先摸清机器如何学习
“传播科学火种·启迪科学梦想”科普志愿新疆行举办
昆山智能机器人及成套装备协会成立
兰德公司:中美人工智能战略比较——保持人工智能和机器学习的竞争优势
美国最新《人工智能/机器学习战略计划》全文就俩字:落地!
美国最新《人工智能/机器学习战略计划》
机器学习:人工智能的三种设计模式
大风:社会组织与公益 是解决就业和社会稳定最重要的渠道