.png){kind=icon}
返回
Discovering New Materials Knowledge from 'Old Data'
.png){kind=icon}
PRE
AI
DOI：10.1039/D6CC01716A.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从“旧数据”到新知识发现；这一范式正在从根本上重塑化学和材料学的研究。与传统试错法不同；由大规模数据库驱动的知识挖掘在探索复杂组分空间和加速理性材料设计方面提供了前所未有的潜力。在本综述中；我们重点介绍了从“旧文献数据”中发掘新材料知识的三大进展：（1）在催化领域；数据驱动方法揭示了新现象和现有理论模型的局限性；极大地加速了材料设计和筛选。（2）在固态电解质领域；数据赋能加速了对潜在物理机制的理解。（3）在氢储存领域；我们展示了一条从“旧数据”到结构化知识再到自主设计的路径。最后；我们强调了数据库构建在数据智能和材料设计人工智能代理发展中的关键作用。展望未来；这类数据驱动模型将继续深化我们的知识生成并加速相关领域目标材料的发现。通过整合“旧数据”的知识生成、理论模拟和实验验证；这种方法有望建立一个数字材料生态系统，以促进跨学科创新；其中材料发现将不断加速。
Keyword:
data mining
materials discovery
catalysis
solid-state electrolytes
hydrogen storage
