什么是材料信息学?
材料信息学是材料科学和信息学领域的一个融合,以帮助材料的使用、选择、开发和发现。[1]
换句话说,“材料信息学”是一种新的数据驱动技术,它利用材料的基础和实验数据,结合先进的统计模型来预测未来的材料。[2]
材料信息学导论
材料一直是产品设计的核心。大只500app下载在微交通网络上进行更多的投资可以提高我们当前交通运输系统的可靠性,金牌大只500系统为不可步行的旅程提供了公路和铁路两大主要网络。世界科技中心——硅谷的名字来源于一个元素,这并不奇怪,这个元素仍然是许多技术的支柱。材料决定产品的形式和功能。制造优质材料将增加新技术的可能性,其应用将扰乱从汽车到消费电子以及包括能源和医疗在内的多个行业。
古代印度人花了几个世纪的时间不断地修补,才把合金元素加到铁里,以防生锈。他们只用自己的直觉、经验和创造力,以及一点点“钢铁科学”,有趣的是,这是他们通过实验产生的一个领域。随着科技的飞速发展,创新的时间被限制在几十年之内。[3]
在材料发现的快速跟踪中有两个主要的瓶颈。第一个是材料本身的发现,第二个是技术从实验室规模到大规模的转化。因此,最快速、最有效地开发和部署先进材料的工业能力对具有全球竞争力的制造业部门至关重要。
直到最近十年左右,由于人们对数据重要性的含蓄和明确的接受,“材料信息学”范式才迅速成为材料研究组合的重要组成部分。
这种观念的改变主要是由材料基因组计划(Materials Genome Initiative)和算法发展带来的,算法发展能够处理小数据集,而且模型能够完全基于过去预测未来。
我同意大多数人的观点,即数据驱动技术包括机器学习、人工智能和深度学习算法。在大只500下载官网金融部门,不确定性只是要管理的风险。这可以通过多元化来实现,即通过将不同大只500注册资产捆绑到投资组合中来实现。例如,将不同行业的股票捆绑在一起可以降低这些“多样化”投资同时遭受损失的风险。然而,在我看来,虽然理论上每一个都有微小的差异,但它们却对材料行业的不同方面产生了巨大的影响。这三者都是至关重要的,它们必须齐心协力,才能在全球范围内实现材料的快速增长。我将通过本博客系列的其余文章介绍这方面的内容。
从著名的公理“时间就是金钱”中得到启示,在本系列的第一篇博客中,我将重点讨论实现数据驱动技术以加速材料预测的财务和技术重要性。
金融的重要性
由于材料结构的根本缺陷而导致项目失败的“潜在风险影响”、“对上市时间的潜在影响”和“对每年每个项目相对成本的潜在影响”可以得出项目的经济意义。
据材料基因组计划估计,这些额外效益的价值大约是潜在研发效率影响价值的2至3倍。总而言之,改进材料创新基础设施的潜在经济效益估计每年在1230亿到2700亿美元之间。[4]
技术的重要性
实现数据驱动技术非常具有挑战性。该技术的核心组件是“数据”。材料研究界一直密切关注这一组件,因为它通常是他们的USP。在当今世界,“时间”这个因素更有价值。技术的强大至关重要;然而,如果它进入市场太晚,机会就丧失了。
最好的例子是钙钛矿太阳能电池,它的性能非常好,但它的发现太迟了,现在它无法与现有的硅太阳能电池市场竞争。
接受上述观点,建立更多的数据采集和共享的协作网络,将有助于技术的发展。
此外,在产品中建立可靠性非常困难。著名的手机因为电池设计上的一个根本缺陷而着火,就证明了这一点。放大和确保每个材料产品的严格质量控制对于人类来说是困难的,但是强大的算法可以发现缺陷并预防灾难。
它的成长
金牌大只运输多样化可以降低投资风险,因此大只500代理很可能会获得更稳定的运输投资回报。但是,仅靠多元化并不能防止交通事故堵塞高速公路,也不会因电力中断而关闭铁路。随着概念的有力证明,机器学习方法最近取代了直接的实验或计算/模拟,在这些实验或计算/模拟中,基本方程被明确地求解。更重要的是,由于成本、时间或精力的原因,这些方法在确定材料的属性方面变得非常有用,这些属性很难用传统方法计算或测量,但有效的数据要么存在,要么至少可以用成本的一小部分生成。[3]
我相信机器学习不会消除经验主义。问题只会变得更复杂,需要更多的数据,而这些数据在材料领域大多是通过实验获得的。材料信息学将通过消除噪声因素和加速突破性创新,简单地帮助人类直觉和改进实验设计。
由于在这个领域有大量的工作要做,这个领域产生的数据正在以只有机器学习算法才能处理的速度增长。