材料信息学及其在材料研究中的应用 被引量：22

1

作者 王卓 王礞 +2 位作者 雍歧龙 郭艳华 崔予文 《中国材料进展》 CAS CSCD 北大核心 2017年第2期132-140,共9页

2011年美国奥巴马总统提出的材料基因组计划(MGI),旨在以比原先至少快两倍的速度开发和制造先进材料,且成本仅为原先的几分之一,这促使了材料信息学的快速发展。材料信息学是信息学技术在材料学中的应用,通过建设材料信息数据库、集成... 2011年美国奥巴马总统提出的材料基因组计划(MGI),旨在以比原先至少快两倍的速度开发和制造先进材料,且成本仅为原先的几分之一,这促使了材料信息学的快速发展。材料信息学是信息学技术在材料学中的应用,通过建设材料信息数据库、集成材料研究设计平台和材料数据挖掘方法对材料大数据进行分析和预测,快速发现决定材料性能的"基因",也就是材料成分-工艺-组织-性能之间的定量关系,可以有效地加快材料研发设计。介绍了材料信息学的基本概念和主要研究领域,描述了材料信息学中的3个主要组成部分:材料信息数据库、集成材料设计平台和材料数据挖掘技术的主要内容和应用实例。材料信息数据库储存和管理各类材料数据,包括材料基础性能、晶体结构数据、模拟计算数据、试验与工艺数据、专利数据和各类出版物等;集成材料设计平台提供各种模拟计算方法,如第一性原理、分子动力学、CALPHAD方法、相场模拟和有限元分析;数据挖掘是统计学、机器学习、信息学、可视化技术等学科的交叉领域,是从大数据中发现知识的实用方法。并介绍了成都材智科技搭建的"材智云"集成材料设计平台的框架和功能。思考了材料信息学在材料领域中应用时所面临的难题。 展开更多

关键词 材料信息学 材料数据库 材料集成设计平台 数据挖掘 大数据

在线阅读 下载PDF 职称材料

材料信息学平台的研究现状发展趋势与作用 被引量：5

2

作者 宋庆功 姜恩永 +1 位作者 韩志勇 张茂才 《材料导报》 EI CAS CSCD 北大核心 2008年第1期70-73,共4页

调查分析了材料信息学平台研究与应用的现状,指出了材料信息学平台已成为材料研发的最重要的设备之一,展望了新一代材料信息学平台的发展趋势,概述了材料信息平台对于材料研究与发展的重要促进作用,认为材料信息学平台的应用将加速材料... 调查分析了材料信息学平台研究与应用的现状,指出了材料信息学平台已成为材料研发的最重要的设备之一,展望了新一代材料信息学平台的发展趋势,概述了材料信息平台对于材料研究与发展的重要促进作用,认为材料信息学平台的应用将加速材料科学与工程的发展,引起材料研究模式的变革。 展开更多

关键词 材料信息学 材料设计 材料专家系统 材料数据库 研究模式

在线阅读 下载PDF 职称材料

材料信息学的研究现状及发展趋势分析 被引量：6

3

作者 魏群义 彭晓东 《材料导报》 EI CAS CSCD 北大核心 2007年第4期1-4,共4页

材料信息学属于材料科学和信息科学的交叉学科,在组合材料科学、材料设计和新材料发现等领域中得到了广泛的应用。从材料信息的数据量和复杂性的大大提高,谈到了材料科学面临的四大难题和挑战,阐述了材料信息学出现的背景,列举了材料信... 材料信息学属于材料科学和信息科学的交叉学科,在组合材料科学、材料设计和新材料发现等领域中得到了广泛的应用。从材料信息的数据量和复杂性的大大提高,谈到了材料科学面临的四大难题和挑战,阐述了材料信息学出现的背景,列举了材料信息学的概念,提出了材料信息学的主要研究内容。对材料信息学的国内外研究及应用现状进行了综述,最后针对存在的问题分析了材料信息学的发展趋势。 展开更多

关键词 材料信息学 组合材料科学 研究现状 发展趋势

在线阅读 下载PDF 职称材料

材料信息学学科理论体系的研究 被引量：2

4

作者 魏群义 彭晓东 +1 位作者 杨艳 谢卫东 《材料导报》 EI CAS CSCD 北大核心 2009年第9期79-81,87,共4页

系统讨论了材料信息学的学科理论体系。从材料信息学内在和外在的形成动因,谈到了学科的应用前景,从理论上分析了材料信息学的产生。从材料信息学的定义、研究对象、学科性质、研究内容等4方面论述了材料信息学的学科定位。阐述了材料... 系统讨论了材料信息学的学科理论体系。从材料信息学内在和外在的形成动因,谈到了学科的应用前景,从理论上分析了材料信息学的产生。从材料信息学的定义、研究对象、学科性质、研究内容等4方面论述了材料信息学的学科定位。阐述了材料信息学的学科结构,将学科结构分为基础理论、方法论、技术体系和工程应用体系4大部分。最后提出了利用现有研究基础,采取"分步实施,以点带面"的方针和思路进行材料信息学学科建设的建议。 展开更多

关键词 材料信息学 学科体系 学科建设

在线阅读 下载PDF 职称材料

大力推动材料信息学研究 被引量：5

5

作者 李义春 《材料导报》 EI CAS CSCD 2004年第11期1-2,8,共3页

系统提出了材料信息学的概念、主要任务及研究领域,介绍了国内外在材料信息学方面的研究情况,并提出了加强材料信息学研究的建议。

关键词 材料信息学 主要任务 研究领域 概念

在线阅读 下载PDF 职称材料

机器学习在材料信息学中的应用综述 被引量：22

6

作者 牛程程 李少波 +3 位作者 胡建军 但雅波 曹卓 李想 《材料导报》 EI CAS CSCD 北大核心 2020年第23期23100-23108,共9页

面对巨大的材料设计空间,基于理论研究、实验分析以及计算仿真的传统方法已经跟不上高性能新材料的发展需求。近年来,材料数据库与机器学习的结合带动了材料信息学的进步,推动了材料科学的发展。当前,运用数据驱动的机器学习算法建立材... 面对巨大的材料设计空间,基于理论研究、实验分析以及计算仿真的传统方法已经跟不上高性能新材料的发展需求。近年来,材料数据库与机器学习的结合带动了材料信息学的进步,推动了材料科学的发展。当前,运用数据驱动的机器学习算法建立材料性能预测模型,然后将其应用于材料筛选与新材料开发的研究引起了学者们的广泛关注。利用机器学习框架搭建材料研究设计平台对材料大数据资源进行分析与预测,成为开发新型材料的重要手段。将机器学习运用于材料科学面临一系列困难,包括根据预测对象确定材料特征的计算或自动抽取,不同精度的实验与计算数据的获取与预处理;选取或者开发合适的机器学习预测模型和训练算法;估计预测效果与预测性能的可靠性;处理材料机器学习问题所独有的小数据、异构数据、非平衡数据等特性。目前研究的焦点是针对不同的材料性能,收集相关的数据集,基于物理原理构造特征表示来训练机器学习模型,并将机器学习的最新技术用于材料信息学。现阶段机器学习已经被应用于光伏、热电、半导体、有机材料等几乎所有的材料设计领域。通过采用机器学习算法训练材料性能的预测模型,并将其用于筛选现有材料数据库或者搜索新的材料,大大加快了新材料发现的过程。目前,国内外科学家借助统计推理与机器学习算法开展了一系列的研究,开发了适合预测不同材料属性的多种材料表征方法,应用了包括深度学习、贝叶斯网络等最新机器学习与人工智能方法,在多类功能材料设计领域取得了突破性的成果。本文主要介绍了机器学习方法在材料性能预测中的相关研究与应用,包括目前最常用的材料数据库资源,多种适用的机器学习算法及应用实例,以及机器学习在材料性能预测中遇到的常见问题。最后对国内外的材料信息学发展现状进行了概括,并对其未来发展进行了展望。 展开更多

关键词 材料信息学 材料科学 材料性能 机器学习 大数据

在线阅读 下载PDF 职称材料

基于CiteSpace可视化分析的材料信息学研究进展和趋势 被引量：2

7

作者 赵晓慧 《现代信息科技》 2021年第1期121-123,127,共4页

材料信息学是实现新材料快速研发的重要手段,探明世界范围内材料信息学研究态势可为中国在该领域发展提供参考。以2014—2020年Web of Science核心合集库收录的材料信息学领域文献为研究对象,借助CiteSpace软件绘制知识图谱,从论文数量... 材料信息学是实现新材料快速研发的重要手段,探明世界范围内材料信息学研究态势可为中国在该领域发展提供参考。以2014—2020年Web of Science核心合集库收录的材料信息学领域文献为研究对象,借助CiteSpace软件绘制知识图谱,从论文数量、地域、合作和被引报告等角度,报告了材料信息学研究现状、前沿热点与演化趋势,进行了材料信息学国际研究态势调查。 展开更多

关键词 材料信息学 知识图谱 文献计量 研发态势

在线阅读 下载PDF 职称材料

在线材料数据库进展与NIMS/MatWeb案例研究 被引量：12

8

作者 高志玉 刘国权 《材料工程》 EI CAS CSCD 北大核心 2013年第11期89-96,共8页

在线材料数据库是现代信息技术背景下产生的获取信息的新模式,在新材料设计、材料选择、决策咨询等方面应用广泛。能够及时掌握在线材料数据库新动态,准确、高效利用在线材料数据库进行科学研究与工程应用研究尤为重要。本文介绍了在线... 在线材料数据库是现代信息技术背景下产生的获取信息的新模式,在新材料设计、材料选择、决策咨询等方面应用广泛。能够及时掌握在线材料数据库新动态,准确、高效利用在线材料数据库进行科学研究与工程应用研究尤为重要。本文介绍了在线材料数据库的最新进展,并以NIMS和MatWeb国际著名在线材料数据库为例,从数据服务内容、检索功能、检索结果的处理等方面进行分析与对比,以期对科研人员准确选择以及高效利用在线材料数据库提供帮助。未来在线材料数据库的发展趋势为:Web集成一站式服务,数据类型更多、数据规模更大、数据更规范,基于数据库的衍生信息服务更完善。 展开更多

关键词 材料数据库 材料信息学 在线数据库 发展趋势

在线阅读 下载PDF 职称材料

针刺C/C复合材料结构-工艺-性能一体化软件平台 被引量：3

9

作者 成博 弓站朋 +3 位作者 邓俊楷 白侠 李艳 张承双 《固体火箭技术》 CAS CSCD 北大核心 2022年第5期807-814,共8页

针刺C/C复合材料的纤维排布方式和针刺工艺对其性能具有重要影响,结合材料信息学开发了一套基于Web界面的针刺C/C复合材料结构-工艺-性能一体化软件平台,包含材料数据库和机器学习模型两个模块。将实验、工业生产或数值模拟得到的“结构... 针刺C/C复合材料的纤维排布方式和针刺工艺对其性能具有重要影响,结合材料信息学开发了一套基于Web界面的针刺C/C复合材料结构-工艺-性能一体化软件平台,包含材料数据库和机器学习模型两个模块。将实验、工业生产或数值模拟得到的“结构-工艺-性能”的材料数据存入到已开发的数据库模块中进行有效存储和管理,并利用这些数据,基于神经网络回归算法训练机器学习模型,建立结构-工艺-性能之间的映射关系。针对目前实验数据昂贵且稀缺,采用高通量有限元数值模拟得到针刺C/C复合材料结构-工艺-性能(有效弹性力学参数)的材料参数数据,训练了预测力学性能的机器学习模型,并部署在软件平台中;通过Web用户界面调用机器学习模型,对特定结构和工艺参数条件下的针刺C/C复合材料的有效弹性力学参数进行预测。结果表明,预测值相对误差小于2%,验证了软件平台的功能和用途。利用这一软件平台,有望进一步基于实验数据和对应的机器学习模型对针刺C/C复合材料性能进行预测,从而为设计和优化针刺C/C复合材料的结构参数和工艺参数提供理论指导。 展开更多

关键词 针刺C/C复合材料 材料信息学 软件平台 机器学习

在线阅读 下载PDF 职称材料

基于卷积神经网络模型中梯度与特征分析的材料性能优化与预测机理研究 被引量：5

10

作者 曹卓 但雅波 +4 位作者 李想 牛程程 董容智 钱松荣 胡建军 《中国材料进展》 CAS CSCD 北大核心 2020年第5期385-390,共6页

材料信息学作为材料领域一种新的研究方法,引起了国内外广泛的关注。随着材料数据的快速增加,机器学习方法也越来越多地被应用在材料数据的分析中,并有望从大量的材料数据中获取具有指导性的材料学规律。采用卷积神经网络模型,使用从材... 材料信息学作为材料领域一种新的研究方法,引起了国内外广泛的关注。随着材料数据的快速增加,机器学习方法也越来越多地被应用在材料数据的分析中,并有望从大量的材料数据中获取具有指导性的材料学规律。采用卷积神经网络模型,使用从材料数据库中收集得到的4000多种材料的数据,对材料的形成能进行预测并得到了较为准确的预测结果。随后对材料特征矩阵的梯度进行分析,发现了梯度与材料性能间有一定的相关性,并可在梯度矩阵的指导下找到具有目标性能的材料特征矩阵分布。最后对卷积神经网络中识别出的特征模式进行了分析,进一步验证了卷积神经网络具有较好的材料性能预测能力。 展开更多

关键词 材料信息学 卷积神经网络 形成能 梯度分析 特征抽取

在线阅读 下载PDF 职称材料

基于特征选择和机器学习的材料弹性性能预测 被引量：4

11

作者 胡建军 曹卓 +3 位作者 但雅波 牛程程 李想 钱松荣 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第5期48-55,共8页

利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性... 利用机器学习方法进行材料性能预测研究,通过运用3种特征选择方法(Filter、RFE、LASSO)和3种机器学习模型(线性回归、岭回归、支持向量回归),从众多多尺度特征集中选择最佳的特征子集来预测无机化合物的弹性性能,归纳了预测材料弹性性能的最有效的、组合了特征选择与机器学习的预测模型,比较了特征选择方法在不同机器学习模型上的表现,分析了利用特征选择方法得到的特征子集.实验结果表明,Filter和SVR组合模型的预测结果最好,机器学习模型比特征选择方法对预测结果的影响更大,特征选择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性.文中研究成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供参考. 展开更多

关键词 材料信息学 特征选择 机器学习 弹性性能预测

在线阅读 下载PDF 职称材料

基于机器学习与多尺度特征的金属氧化物性能预测 被引量：2

12

作者 李想 曹卓 +2 位作者 但雅波 牛程程 胡建军 《化工新型材料》 CAS CSCD 北大核心 2019年第9期146-150,共5页

材料信息学是信息学技术在材料学中的应用,通过材料信息数据库和集成材料设计平台对材料的数据进行分析和预测。通过应用不同的机器学习(回归分析)方法和不同的特征选择算法,从众多的多尺度特征集中选择最优的特征子集可以预测金属氧化... 材料信息学是信息学技术在材料学中的应用,通过材料信息数据库和集成材料设计平台对材料的数据进行分析和预测。通过应用不同的机器学习(回归分析)方法和不同的特征选择算法,从众多的多尺度特征集中选择最优的特征子集可以预测金属氧化物的物理特性,归纳出适合材料不同特性的机器学习模型。分析结果表明,特征选择方法可以提升机器学习模型的性能,为进一步开发更有效的材料性能预测方法提供参考。 展开更多

关键词 材料信息学 机器学习 多尺度特征 特征选择 材料性能预测

在线阅读 下载PDF 职称材料