12.3.1 机器学习预测材料性能

文档摘要

12.3.1 机器学习预测材料性能在材料科学的漫长征途上，人类曾用百年光阴叩问一个朴素问题：如果我知道原子怎么排布，能不能提前算出它有多硬、导不导电、耐不耐高温？过去，答案是“能，但慢得让人心焦”——第一性原理计算（DFT）像一位博学却步履蹒跚的老教授，每解一个新结构，需数小时至数天；高通量实验则如一支精锐但人数有限的勘探队，在浩瀚的化学空间里一寸寸掘进，年均筛选不过千例。直到2016年，Materials Project团队首次将DFT计算生成的7万种无机晶体结构与其带隙、形成能等性能打包成公开数据库，并同步发布基于随机森林的预测模型——那一刻，机器学习不是来“辅助”材料研发的，它是来重写研发范式的。今天，我们站在“人工智能驱动的材料发现”的关键隘口，“12.3.