跳到主要内容
检索

# AI驱动的材料发现

2 篇关联报道

订阅更新
  1. MIT Technology Review

    为AI构建材料基础:Syensqo谈先进材料与AI的双向驱动

    这篇由MIT Technology Review Insights制作、与Syensqo合作的对谈文章,记录了Syensqo首席技术与创新官Mike Finelli的观点:AI正把半导体和数据中心推向物理极限,从而对先进材料提出更多叠加要求,而Syensqo一方面开发高压数据中心架构材料、半导体制造密封材料与直接浸没冷却流体等方案,另一方面与微软合作使用AI智能体对海量候选分子进行数字化合成、基于物理的模拟预测与排序,把实验室合成范围从数百万个候选缩小到约一百个,并主张把可持续性纳入研发起点。

  2. RSC Advances

    人工智能驱动的磁性质预测与下一代自旋电子学材料发现

    这是一篇综述,系统梳理了机器学习与人工智能如何结合高通量第一性原理计算与实验数据库来预测自旋电子学关键磁性质(如居里温度、磁各向异性能、磁矩、自旋霍尔电导、Dzyaloshinskii–Moriya相互作用、矫顽力与隧穿磁阻),讨论了描述符工程、图神经网络与物理信息学习等方法,并综述了Heusler合金、拓扑自旋体系与二维磁体等材料类的AI辅助筛选与逆向设计,最后提出面向物理引导、不确定性感知与自主闭环优化的未来路线图。

已读完全部报道