材料体系的优化往往需要历经十年以上的漫长过程，而现实的问题却迫切呼唤着新材料的诞生。在现实与需求的张力之间，机器学习成为人们加速材料研发与设计的新视野。机器学习怎样助力材料学科的发展？具体应用过程中有哪些着力点与关键难题？本文将通过材料的形成焓、晶格热导率和锂的表面吸附能三个案例，来介绍机器学习在构建和改进材料性质的数据库中的具体应用方式。

机器学习在材料科学中的应用要克服的另一个问题是缺少数据，或者是缺少高质量的数据。机器学习本质上是一种统计方法，对数据量有一定要求，特别是深度学习，对于数据的要求比传统机器学习要更高。所以我们一方面希望通过机器学习加速的实验和计算来获取更多数据，另一方面我们希望通过主动学习或者贝叶斯优化的方法来获取最有价值的数据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除