材料领域知识嵌入的机器学习

数据驱动的机器学习因其能够快速拟合历史数据中的潜在模式并实现材料性能的精准预测,已被广泛应用于材料性能优化和新材料设计.然而,由于缺乏描述符间关联关系、材料性能驱动机制等材料领域知识的指导,数据驱动的机器学习在实际应用中常常出现与材料基础理论认知或原理不一致的结果.本工作通过分析材料数据的特点和数据驱动的机器学习建模原...     

热电材料的研究进展

本文论述了不同种类热电材料的结构特征和热电性能。阐述了提高热电材料热电性能的方法、途径以及热电材料在温差发电和制冷等方面的应用,并指出热电材料作为能源的转化方式必将成为材料界的研究重点。     

高分子热电材料研究进展

由于无机热电材料的资源有限、价格昂贵、加工复杂,价廉易加工的有机热电材料已经引起众多研究者的关注。综述了近几年国内外高分子热电材料领域通过综合利用无机材料的高电导率、高Seebeck系数和有机材料的低热导率制备热电值较高的热电材料的进展。但是高分子热电材料的热电性能相比无机材料还有差距,如何独立、高效地调控Seebeck系数、电导率和热导率,使高分子材料的热电性能提高到和无机热电材料媲美的程度,仍是高分子热电材料领域的巨大挑战。     

热电材料的研究进展

本文简要介绍了热电效应的应用状况和热电材料的基本特性,重点评述了热电烧结材料、高ＺＴ值热电材料以及具有梯度热电材料的研究进展。     

氧化物热电材料的研究进展

介绍了几种典型氧化物热电材料的结构特征和热电性能,阐述了提高材料热电性能的方法、途径以及该类材料在热电发电和制冷及气体传感器等方面的应用,并指出氧化物热电材料必将成为材料研究的亮点。     

热电材料及其研究现状

热电材料是一种能将热能和电能直接相互转化的新型功能材料,有着极为广阔的应用前景,目前的主要工作是最大限度提高材料的ZT值。对热电材料的理论基础进行了分析,介绍了半导体合金、Skutterudite、氧化物、金属合金固溶体等多种热电材料的性能和特点,阐述了热电材料现有的研究方法和研究方向。     

基于机器学习探索钙钛矿材料及其应用

经过大半个世纪的算法模型积累,以数据科学为基础的机器学习方法,已经可以适配多项学科的研究需求。在理论与实验积累的数据基础上,机器学习紧跟各个领域的研究潮流,推动数据密集型科学研究的发展,使其成为继“理论”、“计算”、“实验”后引领科学研究的“第四范式”。在材料科学领域,钙钛矿材料具有构成丰富、带隙可调、发展空间广阔等优势,但还未在其适用领域内达到环境友好等实用标准。因而基于机器学习探索钙钛矿材料及其应用,不仅可以加速新型钙钛矿材料的发现,而且可以探究钙钛矿材料种种优异性能与其物理化学特征之间的关联,为发展环境友好型高性能钙钛矿器件提供指导。在此总结了机器学习结合钙钛矿材料的研究优势与研究流程,综述了机器学习在钙钛矿材料性质与器件探索方面的研究进展,探讨了当下面临的研究困境和挑战,展望了未来的研究方向和发展趋势。     

热电材料的研究现状及展望

本文在剖析能源使用现状的基础上,论述了热电材料的发展过程及其工作原理,分析了影响热电转换效率、热电优值的关键因素,指出了热电材料的研究方向。     

SiC系热电变换材料

研究了碳化硅系热电变换材料的特性。这种碳化硅陶瓷具有高温强度大、耐蚀性和半导体性能好、轻质、毒性低、在高温大气中稳定性好等特性，故可用作热电发电用热电变换材料。     

机器学习在复合材料领域中的应用进展

复合材料因其密度低、比模量高、比强度高等优势成为汽车轻量化的重要材料。但因复合材料所涉及材料参数相对庞杂,成本高、周期长的传统复合材料研究方法已无法适应目前复合材料的发展趋势。近年来,基于数据挖掘的机器学习具有高效、高精等优势,为解决上述复合材料领域现存困境提供了新思路。通过阐述机器学习技术的基本原理、应用流程以及典型算法,总结其在复合材料领域的应用可行性。分析了机器学习在复合材料的微观结构表征、力学性能预测、复合材料优化设计、加工制造模拟速度四个方面的研究进展。分析表明,机器学习可用于复合材料研究领域,且具有较高的预测精度和可靠性。最后分析了机器学习在该领域的问题与挑战,为其未来研究方向和发展提出展望。     

热电材料的研究进展

简要介绍了热电材料热电效应的基本原理，综述了热电材料的发展及种类，着重阐述了非氧化物半导体热电材料、氧化物热电材料的研究进展，提出了氧化物热电材料的发展方向。     

机器学习技术在气体吸附多孔材料研究中的应用进展

简要介绍了材料研究领域常用的机器学习算法,探讨了通过数据挖掘技术进行材料研究的方法流程,回顾了机器学习技术在多孔碳、沸石和金属有机骨架3类重要吸附材料研究中的典型案例,最后对这一技术在气体吸附材料研发中的应用前景进行了展望。     

机器学习理论在压裂分析中的应用研究

压裂工艺是低渗透油田开发的一项关键技术。国内每年实施压裂近万井次,为压裂分析积累了大量的实践经验。传统的建模方法是基于力学理论,模型复杂,对专业要求非常高。用机器学习技术．可以从已有的数据中抽取有用的信息,建立有效的数学模型。传统的机器学习算法只有在已知样本数无限多时才有效,而实际应用中压裂分析的已知样本数非常有限。目前常用的机器学习算法有拟合、聚类、决策树、神经网络、遗传算法、支持向量机等,本文针对其中的四种算法开展了现场应用,并对各种算法进行了分析,指出了算法的特点和应用条件。通过对机器学习算法的分析表明,各种算法可信度高,使用方便,可以进行选井选层、压裂效果预测、优化压裂设计。     

机器学习在聚合物材料研究中的应用进展

在大数据和人工智能相结合的现代科学研究的新形势下,聚合物材料性能的快速预测和新型聚合物材料的研发逐渐成为聚合物材料研究领域的关注焦点。将机器学习应用于聚合物材料研究领域,打破了传统试错法的局限性,通过数据直接建立材料特征与所需性能之间复杂的关系模型,解决聚合物组成成分和复杂结构等在其研究过程中带来的难题。论文介绍了机器学习在聚合物材料研究领域的常用方法及算法;总结了以宏观参量与微观参量为机器学习模型输入时,聚合物材料性能预测的研究进展;分析了基于机器学习的聚合物材料设计和新型聚合物材料研发的重要应用成果;讨论并提出当前基于机器学习的聚合物材料的研究热点与方向。     

热电材料的研究现状与未来展望

热电材料可以实现热能和电能的直接相互转换,在温差发电和固态制冷等领域具有重要应用,受到了学术界和工业界的广泛关注.本工作首先简述了热电材料研究的相关背景,然后根据材料工作的温度,对室温附近、中温区以及高温区一些典型热电材料的最新研究进展进行了概述,重点介绍了材料的晶体结构特点和性能优化策略.在此基础上阐述了热电能量转换...     

氧化物热电材料的研究现状与应用

介绍了氧化物热电材料的研究背景和特点,分析了几种典型氧化物材料的晶体结构及热电特性,综述了该类材料在温差发电和气体传感器方面的应用,最后提出了提高热电优值的途径和今后的发展方向。     

热电薄膜材料研究进展综述

基于不同的工业要求,各国研发了可在不同温度下使用的热电薄膜材料。根据工作温度的不同,可分为高、中、低温热电薄膜材料三大类,广泛应用于工业生产、汽车制造、电厂发电、节能减排等领域。目前,在热电薄膜材料的制备工艺、工作原理、性能等方面有较多的研究成果,因此,本文根据热电薄膜材料的适用温度来分类,对其制备工艺及应用领域进行综述。     

热电材料新秀：多孔性物质

希腊雅典国家研究中心（Demokritos）的Dimitris Niarchos说,世界上产生的所有能量中,大约70%以热量的形式消耗。他和在同一研究中心的Roland Tarkhanyan将他们的分析成果发布在美国物理联合会（AIP）出版的《APLMaterials》杂志上。     

碲化铋基热电材料复合改性的研究进展

近年来Bi2Te3基热电材料被广泛用于医疗器械、电子、航空航天等各种商业领域,材料的性能已经逐步得到提高.目前已有大量关于通过掺杂、纳米化或与其他材料复合来提高碲化铋基热电材料热电性能的报道,而材料复合是其中一种重要的优化手段.本文重点对碲化铋同有机与无机材料的复合改性进行了介绍,总结了复合不同类型的物质对材料热电性能的影响,对比了不同方法下所制备的复合材料的热电参数,并对Bi2Te3基热电材料复合改性的未来发展进行了展望.