材料人网专注于跟踪材料领域科技及行业进展，年感这里汇集了各大高校硕博生、年感一线科研人员以及行业从业者，如果您对于跟踪材料领域科技进展，解读高水平文章或是评述行业有兴趣，点我加入编辑部。

文章详细介绍了机器学习在指导化学合成、情说辅助多维材料表征、情说获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。首先，没没根据SuperCon数据库中信息，对超过12,000种已知超导体和候选材料的超导转变温度（Tc）进行建模。

当然，年感机器学习的学习过程并非如此简单。Ceder教授指出，情说可以借鉴遗传科学的方法，情说就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。图3-1机器学习流程图图3-2 数据集分类图图3-3                       图3-3 带隙能与电离势关系图图3-4 模型预测数据与计算数据的对比曲线2018年Zong[5]等人采用随机森林算法以及回归模型，没没来研究超导体的临界温度。

图3-7 单个像素处压电响应的磁滞回线：年感原始数据（蓝色圆圈），传统拟合曲线（红线）和降噪处理后的曲线（黑线）。以上，情说便是本人对机器学习对材料领域的发展作用的理解，如果不足，请指正。

随后开发了回归模型来预测铜基、没没铁基和低温转变化合物等各种材料的Tc值，没没同样取得了较好结果，利用AFLOW在线存储库中的材料数据，他们进一步提高了这些模型的准确性。

一旦建立了该特征，年感该工作流程就可以量化具有统计显着性和纳米级分辨率的效应。上述成果分别以Co-pyrolysisbehaviorsofcoalandpolyethylenebycombiningin-situPy-TOF-MSandreactivemoleculardynamics和Dynamicstructuretransformationofcharprecursorsduringco-pyrolysisofcoalandHDPEbyusingReaxFFMDsimulationandexperiments在能源化工领域期刊Fuel、情说ChemicalEngineeringJournal上发表。

相对低阶煤，没没废塑料富氢，且两者热失重温度区间重叠，存在一定协同效应。要点概览：年感图1.煤与聚乙烯混合模型的三维构型图2.煤与聚乙烯混合热解过程中焦油产物随温度的变化趋势（左）烷基苯，年感（右）烷基酚图3.共热解焦和煤焦在二次ReaxFFMD模拟过程中不同时刻、不同温度下的径向分布函数图4.共热解焦中不同化学键在二次ReaxFFMD恒温模拟过程中随时间的演化(a)C(sp2)-C(sp2)、(b) C(sp2)-C(sp3)、(c)C=O、(d)C-O原文链接：https://doi.org/10.1016/j.fuel.2022.125802https://doi.org/10.1016/j.cej.2023.145100。

研究背景：情说我国低阶煤资源丰富，但普遍存在焦油重质组分高，油尘分离困难等问题。该模型同时满足煤结构的多样性和塑料高聚性的要求，没没是目前已知最大的塑煤模型之一。