研究进展：npj Comput. Mater.-材料化学-图像神经网络基准
材料化学中的机器学习模型是基于描述符的，图像神经网络已被广泛用于材料的预测，如周期晶体和表面等系统。橡树岭国家实验室纳米材料科学中心的Victor Fung教授团队在npj Computational Materials上发文，报道了MatDeepLearn材料深度学习工作流的测试平台，可快速并可重复地评估和比较图像神经网络和其他机器学习模型。
通过提供任意数据集中的原子结构和目标属性，MatDeepLearn能够处理好从结构到图像的过程，给出图像神经网络的模型库，并且为模型提供高参量优化。