材料期刊网

加州大学圣地亚哥分校Shyue Ping Ong研究团队通过训练人工神经网络来预测新的稳定材料。预测材料的稳定性是材料科学、物理和化学的核心问题，人工神经网络是连接传统化学直觉知识和超级计算机量子力学计算两个世界的桥梁。
通过训练人工神经网络预测晶体形成能仅使用两个输入项，即组成原子的电负性和离子半径。研究团队开发的模型可以确定石榴石和钙钛矿两类晶体中的稳定材料。该模型的准确度是以前的机器学习模型的10倍以上，几小时内在一台笔记本电脑上可以有效地筛选数以千计的材料。
石榴石和钙钛矿用于LED灯、可充电锂离子电池和太阳能电池等。人工神经网络的应用大大加快了新材料的发现，在很多领域具有重要的应用。研究人员正计划将神经网络的应用扩展到晶体原型以及材料属性方面。