/AloeR/i_top_xjtu.jpg
| 电子校历
新闻网亚洲真人游戏官网 交大亚洲真人游戏官网
主页新闻 综合新闻
教育教学 科研动态
外事活动 招生就业
院部动态 多彩书院
校园生活 思源讲堂
人物风采 校友之声
医疗在线 社会服务
媒体交大 新闻纵横
新闻专题 图片新闻
视频交大 理论园地
信息预告 校园随笔
 
 

【为创造伟力做出贡献】

西安交大科研人员利用机器学习技术开发新型压电材料

来源:交大新闻网 日期 2018-01-13 09:25 点击:

传统的材料开发方式往往依赖于试错法或者经验。但是随着材料成分、微观结构等复杂性的增加,传统的方法不再适用。如何利用尽可能少的实验来有效的提升新材料的性能,是材料研究人员所面临的巨大挑战。

利用自适应设计循环提升材料开发速度

机器学习技术被认为可以从大量材料科学的数据中通过算法搜索隐藏于其中的重要信息,甚至是物理规律,进而实现材料性能的快速优化。西安交大材料学院科研人员提出了一个基于主动学习技术的材料设计方法,并应用于加速设计开发新型压电材料。这一设计思路是一个由数据采集、统计模型、实验设计、结果反馈组成的循环回路;通过对回路的多次循环,实现对材料目标性能的快速优化。区别于以往以预测结果为导向的实验设计,上述循环最大的不同之处在于利用预测结果的不确定性(uncertainty)进行实验设计,仅仅通过三组实验就成功开发了一种具有高电致应变的无铅压电材料。同时,研究人员还比较了不同的实验设计策略,发现平衡考虑预测值与不确定性的策略在材料开发中更加高效。该思路可以被广泛应用于新材料的快速研发。

该研究成果近日以“Accelerated Discovery of Large Electrostrains in BaTiO3-Based Piezoelectrics Using Active Learning”为题,在线发表于国际期刊Advanced Materials(影响因子:19.791)上,西安交大为第一作者单位和第一通讯作者单位。该工作是材料学院孙军教授、丁向东教授团队博士生袁睿豪、薛德祯副教授等与美国洛斯阿拉莫斯国家实验室的Turab Lookman教授合作完成。

该研究得到了国家自然科学基金、国家重点研发计划等项目的共同资助。

论文连接:http://onlinelibrary.wiley.com/doi/10.1002/adma.201702884/full

文字:材料学院
编辑:程洪莉

 
 
相关文章
读取内容中,请等待...
 
 
 匿名发布 验证码 看不清楚,换张图片
0条评论    共1页   当前第1
 
 
 
 
信息预告 更多
 
 
栏目新闻 
 
新浪微博   今日头条   微信
 
 
 
 
在线投稿 | 联系我们 | 管理登陆 | 新闻流程
 版权所有- 亚洲真人游戏官网:西安交大校园文化管理办公室 网站建设:网络信息中心
陕ICP备06008037号 网络信息中心提供网络带宽