InfoMat：机器学习在材料领域的应用

随着计算机科学与人工智能等领域的发展，机器学习作为一种兼顾开发效率以及开发成本的方法，已经逐渐应用于材料发现、结构分析、性质预测、反向设计等多个领域，并且在材料学研究中展现出惊人的潜力。以往被广泛使用的经验试错法与计算模拟法因其效率低以及花费高等劣势，已经不能很好的适应如今需求量激增的材料学领域。

图一，典型的机器学习工作流程

在最近一期的InfoMat上，来自中国科学院半导体研究所的魏钟鸣团队和北京邮电大学雷鸣团队合作，围绕目前机器学习在材料学方向的应用发表题为《Machine learning in materials science》的综述论文。系统的介绍了机器学习的每一个步骤该如何应用于材料学研究中（包括收集数据、特征工程、建立模型、验证模型），并且详细分析了机器学习在材料性质分析、新材料发现以及量子化学三个方面取得的一些具有代表性的研究成果。

文章预测了未来机器学习在材料学领域的发展情况。例如，利用机器学习处理分散于文献与实验结果中的海量材料学数据，建立高质量的材料数据库；研究机器学习解决材料预测的中间过程，总结提出新的科学理论；将机器学习与第一性原理结合，分析复杂分子的性质。

机器学习因其强大的数据处理能力和相对较低的研究门槛，能够有效地降低工业开发中的人力物力成本，缩短研发周期。代替或配合传统的实验以及计算模拟，能够更加快速且准确的分析材料结构、预测材料性质，从而更加有效的开发新的功能材料。机器学习已在光伏材料设计、纳米材料设计、医药设计、量子化学等诸多领域取得令人瞩目的成果，是未来材料学研究与发展的一个重要方向。(DOI:10.1002/inf2.12028)