共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
7.
热电材料及其研究现状 总被引:1,自引:0,他引:1
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
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。 相似文献
15.
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。 相似文献
16.
17.
18.
19.
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。 相似文献