当前位置：
X-MOL 学术
›
J. Phys. Chem. Lett.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
通过主动学习加速发现具有优异机械性能的沸石结构
The Journal of Physical Chemistry Letters ( IF 4.8 ) Pub Date : 2021-03-02 , DOI: 10.1021/acs.jpclett.1c00339 Namjung Kim 1 , Kyoungmin Min 2
The Journal of Physical Chemistry Letters ( IF 4.8 ) Pub Date : 2021-03-02 , DOI: 10.1021/acs.jpclett.1c00339 Namjung Kim 1 , Kyoungmin Min 2
Affiliation
|
开发了贝叶斯主动学习平台，用于加速从超过一百万个假设的候选对象中发现具有机械优势的沸石结构。训练包含可合成沸石机械性能的初始数据库，以开发机器学习回归模型。然后，实施贝叶斯优化方案以识别具有潜在优异的机械性能的沸石。新积累的数据库由871个标记的结构组成，对于体积模量和剪切模量，预测模型的不确定性分别降低了40％和58％。模型收敛表明，在第10次优化迭代之后，没有进一步的改善。拟议的平台能够发现23种具有空前剪切模量的新型沸石结构。在一种情况下，剪切模量（127.81 GPa）比以前的数据集高250％。所提出的平台加速了材料发现过程，同时最大化了计算效率并增强了预测准确性。
"点击查看英文标题和摘要"
更新日期：2021-03-11
"点击查看英文标题和摘要"
京公网安备 11010802027423号