From prediction to design: Recent advances in machine learning for the study of 2D materials

领域(数学) 计算机科学 人工智能 比例(比率) 机器学习 纳米技术 材料科学 数据科学 生化工程 系统工程 工程类 物理 数学 量子力学 纯数学
作者
He Huang,Yuhua Wang,Yajuan Qi,Xu Zhao,Yue Li,Yumei Wang
出处
期刊:Nano Energy [Elsevier]
卷期号:118: 108965-108965 被引量:4
标识
DOI:10.1016/j.nanoen.2023.108965
摘要

Although data-driven approaches have made significant strides in various scientific fields, there has been a lack of systematic summaries and discussions on their application in 2D materials science. This review comprehensively surveys the multifaceted applications of machine learning (ML) in the study of 2D materials, filling this research gap. We summarize the latest developments in using ML for bandgap prediction, magnetic classification, catalyst material screening, and material synthesis design. Furthermore, we discuss the future directions of ML applications in various domains, providing robust references and guidance for future research in this field. Compared to traditional methods, we particularly emphasize the unique advantages of ML in predicting the bandgap of 2D materials, such as the introduction of advanced feature engineering and algorithms to enhance research efficiency. We also summarize ML algorithms for classifying the magnetism of 2D materials, showing that complex pattern recognition can precisely interpret the correlation between magnetic moments and atomic structures. Additionally, the review outlines how ML algorithms can efficiently sift through large-scale material databases to identify candidates with specific catalytic properties, thereby greatly accelerating the discovery process for new catalysts. ML has become a powerful tool in the field of materials science, promoting the discovery of new materials, improving their properties, and accelerating research across various application domains.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
小孙发布了新的文献求助10
4秒前
5秒前
深爱不疑发布了新的文献求助10
6秒前
6秒前
陈陈发布了新的文献求助10
8秒前
郝好完成签到 ,获得积分10
8秒前
今后应助spy采纳,获得10
11秒前
13秒前
酸化土壤改良应助诸忆雪采纳,获得10
16秒前
陈陈完成签到,获得积分10
18秒前
01发布了新的文献求助10
19秒前
20秒前
20秒前
酸化土壤改良应助柴柴采纳,获得10
20秒前
个性的紫菜应助柴柴采纳,获得10
20秒前
SciGPT应助柴柴采纳,获得10
20秒前
研友_LN7x6n发布了新的文献求助10
24秒前
arabes完成签到,获得积分10
25秒前
shenxq完成签到,获得积分20
30秒前
争争发布了新的文献求助30
30秒前
貌美如花00完成签到 ,获得积分10
33秒前
月成发布了新的文献求助20
36秒前
貌美如花00关注了科研通微信公众号
36秒前
Xxxudi完成签到,获得积分10
37秒前
静文发布了新的文献求助10
40秒前
赵卫星发布了新的文献求助20
40秒前
Moeim Keller完成签到,获得积分10
43秒前
李健应助gogo采纳,获得10
45秒前
123完成签到,获得积分20
46秒前
48秒前
香蕉觅云应助静文采纳,获得10
48秒前
SOLOMON应助JJJXG采纳,获得50
50秒前
小风子发布了新的文献求助30
50秒前
52秒前
晓凡完成签到,获得积分10
58秒前
58秒前
赵薇发布了新的文献求助10
58秒前
58秒前
59秒前
高分求助中
One Man Talking: Selected Essays of Shao Xunmei, 1929–1939 1000
Yuwu Song, Biographical Dictionary of the People's Republic of China 700
[Lambert-Eaton syndrome without calcium channel autoantibodies] 520
Sphäroguß als Werkstoff für Behälter zur Beförderung, Zwischen- und Endlagerung radioaktiver Stoffe - Untersuchung zu alternativen Eignungsnachweisen: Zusammenfassender Abschlußbericht 500
少脉山油柑叶的化学成分研究 430
Revolutions 400
Sport in Ancient Times 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2454535
求助须知:如何正确求助?哪些是违规求助? 2126194
关于积分的说明 5415157
捐赠科研通 1854857
什么是DOI,文献DOI怎么找? 922503
版权声明 562340
科研通“疑难数据库(出版商)”最低求助积分说明 493579