排序方式: 共有1条查询结果,搜索用时 37 毫秒
1
1.
材料研发面临着巨大、复杂、高维的搜索空间,如何从中快速有效选择具有目标性能的新材料是加速材料研发的主要挑战。机器学习可以基于已有的数据,通过算法建立特征和目标性能之间的映射关系,对未探索材料的性能进行预测。但是材料的已知数据比较少,建立的机器学习模型通常预测精度低,难以实现对实验或计算的有效指导。为了解决上述问题,引入主动学习的方法,在传统迭代反馈的基础上,增加了实验设计的步骤,选择对目标提升最有帮助、带有更大信息量的实验进行补充,达到更快的优化材料性能的目的。主要从单目标优化、多目标优化、曲线优化3个方面,回顾了主动学习辅助材料研发的进展。 相似文献
1