npj：机器学习——无机材料合成的科学“炒菜法”

海归学者发起的公益学术平台

分享信息，整合资源

交流学术，偶尔风月

传统的无机材料合成方法少有理论指导，经验为上，被誉为“炒菜法”。近十年来第一原理计算和机器学习算法两种技术快速发展，使得材料虚拟筛选方法种类迅速增长，但由计算驱动的材料合成筛选法，却一直深陷数据稀疏性和稀缺性的困境，蹒跚不前，仍处起步阶段，不但合成工艺仍落在难以直接优化的、稀疏的、高维参数的空间，而且一些有趣材料的合成也鲜有文献报道。来自麻省理工学院的Elsa Olivetti教授等开发了一种算法，用来量化合成参数和潜在驱动因素与合成结果之间的关系。他们发现，用变分自编码器将稀疏合成表达方式压缩到较低维空间，可以提高机器学习的工作能力；用材料合成的一些代表性关键参数（如反应温度）来简化问题的复杂性、训练相关的算法。最终该算法能为实验合成一些化合物而“学习”，从而给出新的合成方法，比如钛酸锶的合成参数和一些其他无机氧化物的合成方法。该文近期发表于npj Computational Materials 3:53(2017);doi:10.1038/s41524-017-0055-6。