上海大学学报(自然科学版) ›› 2023, Vol. 29 ›› Issue (5): 859-885.doi: 10.12066/j.issn.1007-2861.2528
宗宇杨,李俊辉,朱向东,单光存,马汝广
ZONG Yuyang , LI Junhui , ZHU Xiangdong , SHAN Guangcun , MA Ruguang
摘要: 高熵材料 (high-entropy material, HEM) 是一类具有良好性能的新型材料, 以其较好的催化潜力、耐腐蚀性能等特点受到广泛关注. 传统的高熵催化剂研究大多局限于各自的知识体系, 难以兼容合并, 不利于更优异的催化剂的后续研发. 机器学习 (machine learning, ML) 作为一种基于大数据集来建立数理模型、进行研究推理的新兴学科, 正逐步成为人们重点关注的人工智能科学分支. 通过机器学习建立大数据库可以有效改善传统的研究状况, 使研究效率大为提高. 机器学习能用于识别定量的组分-结构-性能关系, 通过从历史数据中学习而无需通过显式编程来加速电催化剂的设计. 对机器学习算法、高熵材料进行了介绍, 并阐述了机器学习在设计高熵电催化剂中的应用, 讨论了机器学习在高熵电催化剂筛选和预测方面的发展前景.
中图分类号: