.png){kind=icon}
返回
Artificial Intelligence for Advanced Functional Materials: Progress and Emerging Frontiers
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.70496.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）正在改变材料的设计、理解和制造方式。本文评述了数据驱动建模、高性能模拟和自主实验等领域的最新进展如何汇聚，以加速下一代功能材料的发现——从能源存储和生物医学到纳米电子学和量子器件。我们概述了将AI嵌入材料设计工作流程的策略——从合成和表征到由机器学习技术支持的大规模模拟并接近从头算精度——并讨论了通向智能（生物）材料发现道路上的关键挑战。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.1
论文数:
2.0K
被引数:
8.4K
机构
查看更多机构
引用论文
Perovskite or Not Perovskite? A Deep-Learning Approach to Automatically Identify New Hybrid Perovskites from X-ray Diffraction Patterns钙钛矿还是不钙钛矿？一种从x射线衍射图中自动识别新的混合钙钛矿的深度学习方法.png)
ADVANCED MATERIALS
OAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏SciAgents: Automating Scientific Discovery Through Bioinspired Multi-Agent Intelligent Graph ReasoningSciAgents: 通过生物启发的多主体智能图推理实现科学发现的自动化ADVANCED MATERIALS
ADVANCED MATERIALSIF26.8
PREAI
分享收藏Rapid and automated alloy design with graph neural network-powered large language model-driven multi-agent AI基于图神经网络赋能的大型语言模型驱动的多智能体AI的快速自动化合金设计MRS BulletinOAAI
MRS BulletinIF4.9
OAAI分享收藏An automated framework for exploring and learning potential-energy surfaces用于探索和学习势能面的自动化框架Nature CommunicationsOAAI
Nature CommunicationsIF15.7
OAAI分享收藏Defect formation energy of impurities in 2D materials: How does data engineering shape machine learning model selection?杂质在二维材料中的缺陷形成能：数据工程如何影响机器学习模型选择？OAAI
OAAI分享收藏分享收藏 查看更多内容