边做边对白在线播放边做,99久久丫e6,国模大胆无码私拍啪啪av

IF=54.564！Chem. Soc. Rev.綜述: 基于機器學習理解、發現和合成二維材料

機器學習（ML）正成為研究二維（2D）材料的有效工具。將計算或實驗材料數據作為輸入，ML算法可預測尚未發現的2D材料的結構、電子、機械和化學特性。這種預測擴展了對如何合成2D材料并將其用于各種應用的研究，并大大減少了發現和理解2D材料的時間和成本。

在此，美國阿貢國家實驗室/芝加哥大學Junhong Chen教授等人簡要介紹了ML在2D材料領域的最新應用，特別聚焦于2D材料的理解、發現和合成，并提供了一個全面的描述和未來的展望。ML方法可通過4個步驟執行：數據準備、模型選擇、訓練和評估。從對有監督學習、無監督學習和半監督學習的各種ML算法的總結開始，作者描述了這些算法如何應用于2D材料的具體研究。

作者討論了各種回歸和分類算法如何處理有/無標記的數據，并提取原本難以檢測的有意義預測。這種由ML算法實現的預測有助于理解2D材料的力學、電學、化學性質及尚未發現的異質結構。接下來概述了使用ML制備2D材料的策略，ML可準確識別機械轉移法制備的2D材料的層厚和尺寸并預測其合成概率。此外，還介紹了將ML用于基于2D材料在傳感和催化方面應用的研究。

圖1. 用于研究2D材料的常用ML算法

為了應用 ML，必須牢記幾個挑戰：i）很難獲得足夠大的數據量來使用ML來研究新發現的2D材料；ii）ML不僅需要大量而且還需要高質量的數據來產生準確的預測；iii）應使用實驗或計算模擬仔細解釋和驗證來自ML的預測，因為此類預測并非來自對2D材料基礎物理特性的理解。此外，利用ML可以開辟新的研究機會：

（1）可使用ML和機器人技術設計用于生產一系列2D材料及其異質結構的自動化系統；

（2）在傳感應用中，ML可用于優化由2D材料制成的各種傳感器；

（3）可采用ML來設計一個一體化的系統，包括一系列材料的“發現-理解-篩選-綜合-應用”。總之，這篇綜述不僅可以啟發新手研究人員，還可以指導有興趣在研究中應用ML的成熟研究人員。

圖2. ML預測2D MXenes的可合成性

Understanding, discovery, and synthesis of 2D materials enabled by machine learning, Chemical Society Reviews 2022. DOI: 10.1039/D1CS00503K

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/14/c07ac2755d/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

IF=54.564！Chem. Soc. Rev.綜述: 基于機器學習理解、發現和合成二維材料

相關推薦