搜索结果: 1-7 共查到“知识要闻 材料科学 学习”相关记录7条 . 查询时间(0.272 秒)
东北地理所在利用机器学习预测堆肥中重金属生物有效形态研究方面取得重要进展（图）
重金属生物 微量元素
2024/5/13
在畜禽养殖中，通常会添加铜（Cu）和锌（Zn）的盐类或螯合剂到饲料中，以确保畜禽摄取足够的微量元素。然而，近95%的Cu和Zn会随粪便排出，重金属残留成为堆肥产品土地利用的限制因素。重金属毒性及生物有效性取决于其赋存形态，调控堆肥中重金属的形态成为降低堆肥产品农用生态风险的主要措施。因此，快速确定堆肥过程重金属的形态成为目前研究的热点。东北地理所水环境污染与防治研究团队前期试验发现，堆肥过程中重金...
机器学习预测复杂新材料合成
预测复杂新材料；清洁能源；纳米粒子
2022/4/7
科技日报北京12月22日电 （记者张梦然）据22日发表在《科学进展》杂志上的一项研究，美国西北大学和丰田研究所研究人员已成功应用机器学习来指导新纳米材料的合成，消除与材料发现相关的障碍。这种训练有素的算法，可通过定义数据集来准确预测可用于清洁能源、化学和汽车行业燃料的重要催化剂。
近日，中国科学院金属研究所沈阳材料科学国家研究中心联合研究部李波副研究员的研究小组，采用基于高通量密度泛函理论计算的机器学习方法，系统研究了多硫化物的吸附模式，并对上千种氮掺杂碳材料负载的过渡金属单原子催化剂进行了筛选，为锂硫电池正极材料中单原子催化剂的设计提供了指导。
微波介质陶瓷作为微波集成电路基板、介质谐振器、介质天线等通信电子元器件的关键材料，近年来随着5G/6G技术的蓬勃发展，受到越来越广泛的关注。材料信息学借助机器学习等方法对数据进行建模分析，挖掘物理量之间的隐含关联，构建定量“构效关系”，从而加速新材料研发，目前已在很多材料研究领域得到运用并证实了其可靠性。但针对微波介质陶瓷材料的性能预测与理性设计的机器学习模型研究则报道甚少。最近，中国科学院上海硅...
近日，上海交大密西根学院鲍华教授与美国普渡大学Xiulin Ruan 教授研究组在国际权威学术期刊《Nano Energy》上共同发表他们在运用机器学习揭示纳米多孔石墨烯导热新机制的最新研究成果论文《Genetic algorithm-driven discovery of unexpected thermal conductivity enhancement by disorder》（遗传算法驱...
中国科学院物理研究所等利用机器学习方法预测材料性能获进展（图）
中国科学院物理研究所 机器学习 材料性能
2017/7/20
近二十年来，机器学习方法的发展为我们的生活带来许多便利。智能网络搜索、语音识别，乃至无人超市、无人驾驶汽车等，依托于机器学习方法的新事物正迅速地在生活中普及。Alpha Go的横空出世更让世界惊叹于人工智能的潜在价值。在科研领域，大数据的理念正在改变着科研人员对未知世界的探索方式。美国在2011年提出了材料基因组计划（Materials Genome Initiative），以期加快材料的研发过程...
2014年11月7日，中国科学院上海硅酸盐研究所青年创新促进会赴中国科学院宁波材料技术与工程研究所（简称宁波材料所）交流学习。宁波工业技术研究院院长助理、材料技术所所长朱锦研究员，上海硅酸盐所人力资源处副处长贺天厚、两所青促会会员及其他科研人员共计20余人参加了交流活动。