· 理论深度理解:全面理解材料模拟计算的基本原理,包括量子力学基础、密度泛函理论及其在材料模拟中的应用。 · 实操技能提升:熟练掌握材料模拟计算的操作流程,能够独立完成材料性质的模拟计算。 · 机器学习应用:学习机器学习在材料数据处理、特征提取、模型构建与验证等方面应用,掌握如何利用机器学习预测材料性能。 · 跨...
机器学习技术利用3D-DIC技术来模拟材料的应力-应变本构关系 “人工神经网络具有较强的非线性拟合能力,是一种可以从数据中学习并进行预测的强大手段。最近,机器学习方法被用于研究各种力学问题,例如通过图像的像素处理,通过训练和验证来预测材料的弹性常数。” 背景介绍 卷积神经网络(ECNN)用于超弹性材料的本构建模,需要...
近日，来自德国 Helmholtz-Zentrum Dresden-Rossendorf（HZDR）研究所的高级系统理解中心 (CASUS) 和美国桑迪亚国家实验室的研究人员开发了一种基于机器学习的电子结构预测模拟方法——材料学习算法（Materials Learning Algorithms，MALA），用于预测任何长度尺度上的电子结构。MALA 通过将机器学习与物理算法相结合，为小型系统...
近日,来自德国 Helmholtz-Zentrum Dresden-Rossendorf(HZDR)研究所的高级系统理解中心 (CASUS) 和美国桑迪亚国家实验室的研究人员开发了一种基于机器学习的电子结构预测模拟方法——材料学习算法(Materials Learning Algorithms,MALA),用于预测任何长度尺度上的电子结构。 MALA 通过将机器学习与物理算法相结合,为小型系统提供...
“这个研究是我们课题组的一次重要突破,我们有信心将复杂的、高维度空间的材料空间预测出来,并有望用该方法在未来进行原子模拟。刘智攀说。 2018 年,他们自主开发大规模机器学习原子模拟(LASP,Large-scale Atomic Simulation with neural network Potential)平台 ,用来预测结构和反应途径,截至目前已更新至 3.6.0 版本。
基于机器学习/数据挖掘的材料设计和工业优化的应用场景和研究案例,展望机器学习/数据挖掘在材料基因工程、智能制造、化工过程优化等方面的潜在应用。 MaXFlow 分子模拟与人工智能平台:打造人人能用的分子模拟与AI智能创新平台,变革以实验试错为主的传统研发模式,实现以科学数据和模型驱动的智能创新。 tag:分子模拟软件、...
Al掺杂诱导形成的Al-O键合轨道可以有效稳定高电压下TM八面体结构,同时降低Li+电荷转移电阻,提高扩散效率。Al-O共价键合轨道位于费米能级下方,极大地抑制了正极材料O的氧化,甚至在深度脱锂状态下。该Al-LRNO有望作为商业正极材料的保护层...
为了降低制造风险和总体生产成本,减少缺陷,复合材料制造企业更越来越重视加工过程的模拟,而不是依赖专有技术和试错法。 这种数字化方法在以前通常使用通用商用有限元 来进行仿真分析,例如 ABAQUS、 ANSYS、 COMPRO等,都可以用于表示加工过程中复合材料性能的复杂演变。这种方法依赖于对受到对流加热的零件和模具进行昂贵...
人工智能和机器学习方法可以将材料科学的模拟提高到一个新的水平。物理学家与人工智能专家Pascal Friederich教授解释说:“与基于经典或量子力学计算的传统模拟方法相比,使用专门为材料模拟设计的神经网络能够获得明显的速度优势。”他也是KIT理论信息学研究所(ITI)材料科学人工智能研究小组的负责人。“有了更快的模拟系统...
材料研究通常需要耗费大量的实验资源和时间，而主动学通过智能地选择哪些样本值得进行实验或模拟，从而最大...