Charge-carrier lifetime measurements in early-stage photovoltaic materials: intuition, uncertainties, and opportunities
由于缺陷的普遍存在和关于材料特性的有限信息，许多早期薄膜光伏材料中的载流子寿命的测量可能是困难的。在这个角度来看，我们给出了一个简短的概述，用于测量寿命的典型技术，并讨论了从这些技术估计寿命所涉及的直觉，专注于时间分辨的光致发光作为一个例子。然后，我们深入研究分析寿命测量所涉及的基本假设和不确定性。最后，我们概述了利用两种新兴的技术来解耦不同的复合机制：双光子光谱，我们证明了BiI 3薄膜，和温度和注入依赖的电流-电压测量寿命测量的精度提高的机会。
2018-05-15 cond-mat.mtrl-sci
Machine Learning for Novel Thermal-Materials Discovery: Early Successes, Opportunities, and Challenges
在机器学习的辅助下，材料的高通量计算和实验设计已经成为材料科学中越来越重要的领域。这一研究领域在热科学中出现了飞跃，部分原因是在获得材料热性能的计算和实验方法方面取得了进展。在本文中，我们提供了一个当前的一些最近的工作概述，并强调了我们在这一领域面临的挑战和机遇。特别是，我们专注于使用机器学习和高通量方法来筛选化合物，复合材料和合金的热导率以及界面热导率。这些新工具为理解新的相关性和识别新的描述符带来了反馈机制，加速了新型热功能材料的发现。
2019-01-17 cond-mat.mtrl-sci
Machine Learning in Materials Modeling -- Fundamentals and the Opportunities in 2D Materials
机器学习在材料中的应用提出了一个独特的挑战，即处理稀缺和多样的材料数据-无论是实验数据还是理论数据。尽管如此，已经成功开发了几种最先进的材料机器学习模型，用于预测各种应用的材料性能，例如光电池材料、热电材料、半导体材料、电池材料、燃料电池等。开放式的算法框架也刺激了机器学习的使用，以解决材料科学中一些最紧迫的问题。本书的这一章将讨论一些这样的最新实现。大量的二维（2D）材料存在的潜力，以取代传统的材料的能量存储和纳米器件。还讨论了设计电池所面临的挑战，以及机器学习工具如何帮助筛选和缩小最佳组合物，以及空气稳定的2D材料的合成。
2020-01-14 cond-mat.mtrl-sci
Viewpoint: Opportunities and challenges of two-dimensional magnetic van der Waals materials: magnetic graphene?
在过去的十年里，人们对二维范德华材料的兴趣大大增加，而其中一类特殊的材料：磁性范德华系统却明显缺乏。在这篇文章中，我们指出了这一点，并说明了我们如何能够从探索这些迄今被忽视的材料中受益。
2016-04-29 cond-mat.mes-hall cond-mat.mtrl-sci cond-mat.str-el
A Data Ecosystem to Support Machine Learning in Materials Science
促进机器学习在材料科学问题中的应用需要增强数据生态系统，以实现从多个来源发现和收集数据，在整个生态系统中自动传播新数据，并将数据与特定材料的机器学习模型连接起来。在这里，我们提出了两个项目，材料数据设施（Material Data Facility）和科学数据和学习中心（Data and Learning Hub for Science，DLHub），以满足这些需求。我们使用示例来展示如何利用DLHub和DLHub功能将数据与机器学习模型链接起来，以及用户如何通过Web和编程接口访问这些功能。
2019-07-21 cond-mat.mtrl-sci physics.comp-ph
MADAS -- A Python framework for assessing similarity in materials-science data
本文提出MADAS Python框架，用于自动下载材料数据、计算描述符与相似性并整合机器学习方法，以从大规模异构材料科学数据中可靠提取知识。
2024-03-15 cond-mat.mtrl-sci physics.comp-ph
Symbolic Regression in Materials Science
我们展示了符号回归作为材料研究中使用的分析方法的潜力。首先，我们简要介绍了目前国家的最先进的方法，遗传编程为基础的符号回归（GPSR），和最近的进展，符号回归技术。接下来，我们将讨论符号回归的工业应用及其在材料科学中的潜在应用。然后，我们提出了两个GPSR用例：制定一个转换动力学定律，并显示学习计划发现了著名的约翰逊-梅尔-阿夫拉米-科尔莫戈罗夫（JMAK）形式，并学习朗道自由能泛函形式的位移倾斜过渡钙钛矿LaNiO $_3$。最后，我们建议材料科学家应该考虑将符号回归技术作为其他基于机器学习的回归模型的替代，以从数据中学习。
2019-05-16 cond-mat.mtrl-sci physics.comp-ph
Recent Advances and Applications of Deep Learning Methods in Materials Science
深度学习（DL）是材料数据科学中发展最快的主题之一，其应用迅速发展，涵盖原子、基于图像、光谱和文本数据模式。DL允许分析非结构化数据和自动识别特征。近年来，大型材料数据库的发展推动了DL方法在原子预测中的应用。相比之下，图像和光谱数据的进步在很大程度上利用了由高质量正演模型以及生成式无监督DL方法实现的合成数据。在这篇文章中，我们对深度学习方法进行了高层次的概述，然后详细讨论了深度学习在原子模拟，材料成像，光谱分析和自然语言处理方面的最新发展。对于每一种形式，我们讨论的应用程序涉及理论和实验数据，典型的建模方法，其优势和局限性，以及相关的公开可用的软件和数据集。最后，我们讨论了最近的交叉工作相关的不确定性量化在这一领域和DL方法在材料科学的局限性，挑战和潜在的增长领域的一个简要的观点。DL方法在材料科学中的应用为未来的材料发现和设计提供了一条令人兴奋的途径。
2021-10-28 cond-mat.mtrl-sci physics.comp-ph
Language Models for Materials Discovery and Sustainability: Progress, Challenges, and Opportunities
本文综述了自然语言处理和大语言模型在材料科学中的进展，分析了其局限性、全自动材料发现流水线的构建，以及GPT类工具在可持续材料设计中的潜力。
2025-04-21 cond-mat.mtrl-sci
Challenges and Opportunities in Searching for Rashba-Dresselhaus Materials for Efficient Spin-Charge Interconversion at Room Temperature
本文针对自旋电子逻辑器件所需的室温高效自旋-电荷转换需求，分析了基于Rashba自旋-动量锁定的Edelstein效应的研究现状，围绕关键材料特性探讨了Rashba-Dresselhaus材料探索的挑战与机遇。
2024-01-27 cond-mat.mtrl-sci
A Decade of Piezoresponse Force Microscopy: Progress, Challenges and Opportunities
电和机械现象之间的耦合是无机和生物系统的一个近乎普遍的特征，例如从铁电钙钛矿到细胞膜中的蛋白质。了解材料中的机电功能，如铁电纳米晶体，薄膜，弛豫铁电体，和生物系统需要探测这些属性的纳米级的单个颗粒，域，或蛋白质纤维。在过去的十年中，压电响应力显微镜（PFM）建立了一个强大的工具，用于纳米成像，光谱学和操纵的铁电和压电材料。在这里，我们提出的原则和最新进展PFM，包括矢量和频率依赖的压电材料的成像，简要回顾铁电材料的应用，讨论局部晶体和分子取向和无序机电成像的前景，并总结未来的挑战和机遇PFM出现在第二个十年，因为它的发明。
2005-09-01 cond-mat.mtrl-sci
Materials science and engineering: New vision in the era of artificial intelligence
科学发现从实验，通过理论和计算，发展到目前的数据密集型范式。材料科学也不例外，尤其是计算材料科学。近年来，材料科学与工程（MSE）领域取得了巨大的成就。在这里，我们回顾了以前的材料科学的范式和一些经典的MSE模型。然后，我们的数据密集型MSE（DIMSE）模型被提出来重塑未来的材料创新。这项工作将有助于解决人工智能（AI）时代材料发现的全球挑战，并为加速未来材料连续体做出重要贡献。
2018-04-23 cond-mat.mtrl-sci
First principles phonon calculations in materials science
声子在动力学行为和热学性质中起着至关重要的作用，是材料科学的核心问题。第一原理声子计算的重要性不能过分强调。Phonopy是作者开发的一个开放源代码，已在世界范围内得到广泛应用。在这里，我们演示声子的基本方程的性质，并显示例子如何声子计算应用于材料科学。
2015-06-29 cond-mat.mtrl-sci
Opportunities in Electrically Tunable 2D Materials Beyond Graphene: Recent Progress and Future Outlook
在二维和层状材料的兴趣继续扩大，由单个原子层的引人注目的性能，可以堆叠和/或扭曲成合成异质结构的驱动。大量的电子性质以及许多不同准粒子的出现，包括等离子体激元、极化激元、trions和具有大的可调结合能的激子，所有这些都可以通过电手段控制和调制，已经引起了许多器件应用。此外，这些材料表现出室温自旋和谷极化、磁性、超导性、压电性，这些都复杂地取决于这些材料的组成、晶体结构、堆叠、扭转角、层数和相。从单个块状晶体剥离的石墨烯的初步结果激发了宽区域、高纯度合成和具有原子级清洁界面的异质结的发展。现在，通过将这种设计空间开放给“超越石墨烯”的新型合成二维材料，有可能探索为电可调器件设计新型异质结构的未知机会。为了充分揭示这些原子级薄材料在实际应用中的新兴功能和机会，本文重点介绍了几个具有代表性和值得注意的研究方向，在使用电气手段来调整这些上述物理和结构特性，重点讨论了近年来石墨烯以外的二维材料在可调谐器件中的主要应用，并展望了未来的发展趋势。未来十年
2021-03-26 cond-mat.mes-hall cond-mat.mtrl-sci cond-mat.str-el
HAXPES for materials science at the GALAXIES beamline
在这篇文章中，我们将讨论最近的发展HAXPES在银河光束线在太阳同步加速器的新材料的研究。
2018-07-19 cond-mat.mtrl-sci
Recent Breakthrough in AI-Driven Materials Science: Tech Giants Introduce Groundbreaking Models
本研究聚焦Google推出的GNoME无机材料数据集，对该数据集展开深入考察，同时梳理了11项大众感兴趣的相关内容，展现AI驱动材料科学领域的新进展。
2024-02-08 cond-mat.mtrl-sci
The Martini Model in Materials Science
Martini模型是一种基于生物分子模拟的粗粒力场，在软材料科学领域得到了越来越多的应用。该模型的基本构建块原则并没有对其在生物分子系统之外的应用构成限制。在这里，我们强调的主要应用程序的Martini模型在材料科学的日期，我们给出了在这一领域的未来发展的前景，特别是在最近的发展，如新版本的模型，Martini 3。
2020-12-14 cond-mat.mtrl-sci
Spinel ferrites: old materials bring new opportunities for spintronics
在过去的几年里，对钙钛矿氧化物的外延薄膜的深入研究经常揭示出令人兴奋的特性，如巨磁阻隧道效应和电场效应。尖晶石氧化物由于其更复杂的结构和由此产生的许多自由度而显得更加通用。在这里，我们表明，纳米NiFe2O4薄膜的钙钛矿衬底上的外延生长允许稳定的新的铁氧体相的性能显着不同的散装的。事实上，几纳米厚的NiFe2O4薄膜的饱和磁化强度至少是块状化合物的两倍，并且它们的电阻率可以根据生长条件按数量级进行调节。通过将这样薄的NiFe2O4层集成到自旋相关隧穿异质结构中，我们证明了这种多功能材料可以用于自旋电子学，无论是作为磁性隧道结中的导电电极，还是作为很少探索的隧道结类型中的自旋过滤绝缘屏障，称为自旋过滤器。因此，我们的研究结果为实现单片自旋电子学架构开辟了道路，该架构集成了单一材料的几个层，其中这些层以受控的方式进行功能化。
2005-08-31 cond-mat.mtrl-sci
Bayesian Optimization in Materials Science: A Survey
Center for Artificially Intelligent Manufacturing（智能制造人工智能中心）；University of Wyoming（怀俄明大学）
贝叶斯优化被用于人工智能的许多领域，用于优化黑盒过程，并在许多应用中取得了令人印象深刻的进步。它可以智能地探索大型复杂的设计空间，同时最大限度地减少要优化的昂贵底层流程的评估数量。材料科学考虑优化材料性能的问题，给定一个大的设计空间，定义如何合成或处理它们，评估需要昂贵的实验或模拟-一个非常相似的设置。虽然贝叶斯优化也是解决此类问题的一种流行方法，但在研究相同概念的两个社区之间几乎没有重叠。我们提出了一个调查贝叶斯优化方法在材料科学，以增加交叉施肥，避免重复工作。我们强调共同的挑战和共同研究工作的机会。
2021-07-29 cond-mat.mtrl-sci cs.LG physics.comp-ph
Physics-Informed and Knowledge-Driven Generative AI for Autonomous Discovery of Porous Oxide Energy Materials: Opportunities and Challenges
New Jersey Institute of Technology (NJIT)（新泽理工学院）
本文针对多孔氧化物能源材料的自主发现问题，提出整合多维度物理信息的七层逆向设计框架与知识生成体系，为AI驱动的储能材料自主发现提供通用方案。
2026-11-04 cond-mat.mtrl-sci
Excitonic order in quantum materials: fingerprints, platforms and opportunities
Nanyang Technological University（南洋理工大学）；Australian Synchrotron（澳大利亚同步辐射中心）；Monash University（莫纳什大学）；University of Houston（休斯顿大学）
本文探讨了激子绝缘体的理论基础及其稳定性影响因素，分析了实验识别激子有序与竞争相的方法，并综述了候选材料和未来研究挑战。
2026-03-25 cond-mat.mtrl-sci cond-mat.str-el
Perspective: Challenges and Transformative Opportunities in Superconductor Vortex Physics
在超导体中，涡旋的运动引入了不必要的耗散，这对应用是破坏性的。幸运的是，材料缺陷可以抑制涡旋，作为涡旋钉扎中心，这导致超导材料性能和器件操作的显着改善。这激发了数十年的研究，以开发定制超导体中无序景观的方法，以增加涡旋钉扎的强度。然而，有效的材料工程仍然暗示着我们。实际（无序）超导材料的电磁特性还不能可靠地预测，因此设计超导体的应用仍然是一个非常低效的试错过程。这最终是由于我们对涡旋动力学的认识存在很大的差距：涡旋弹性、涡旋-涡旋相互作用和材料无序之间极其复杂的相互作用对该领域提出了挑战。在这个角度来看，我们审查的障碍和最近的成功理解和控制超导材料和设备中的涡旋动力学。我们进一步确定了主要的开放问题，并讨论了该领域变革性研究的机会。这包括提高我们对涡旋蠕动的理解、确定和达到临界电流的上限、获得准确结构-性质关系的先进显微镜、预测模拟的前沿和人工智能的好处，以及控制和利用涡旋在量子信息应用中。
2021-04-30 cond-mat.mtrl-sci cond-mat.supr-con
Magnetic Anisotropy in Two-dimensional van der Waals Magnetic Materials and Their Heterostructures: Importance, Mechanisms, and Opportunities
本文综述了二维范德华磁性材料中磁各向异性的重要性、基本机制及调控方法，旨在推动室温自旋电子学应用的发展。
2025-08-07 cond-mat.mtrl-sci
Carbon Nanotube Fabrication at Industrial Scale: Opportunities and Challenges
对不同材料的仔细研究表明，材料的性能很大程度上受到其尺寸的影响，低至纳米尺度的材料表现出一些显着的性能，从而产生独特的物理和化学特征。在当今的纳米技术世界中，碳纳米管（CNTs）由于其独特的结构、新颖的特性和在许多技术应用中的巨大潜力而成为高度优先的材料。化学气相沉积（CVD）法是目前碳纳米管生长方法中最常用的一种方法，因为它具有纯度高、产量大、易于放大和设备成本低等优点。本文综述了工业规模制备碳纳米管的不同CVD方法。材料方面的影响，即催化剂类型，催化剂载体，和生长控制方面，即工艺温度，压力，催化剂浓度，进行了讨论。此外，有关CNT形成的可能的生长机制进行了描述。最后，该过程的关键挑战与未来的前景进行了讨论。
2019-08-27 cond-mat.mtrl-sci physics.app-ph
MatInf -- an Extensible Open-Source Solution for Research Digitalisation in Materials Science
Ruhr University Bochum（波鸿鲁尔大学）
针对材料科学研究数字化中缺乏开源自适应系统的问题，提出可扩展的MatInf解决方案，基于灵活信息管理，适用于多实验室协作，并在高通量实验中验证。
2024-04-21 cond-mat.mtrl-sci cs.DL
The AFLOW Standard for High-Throughput Materials Science Calculations
介绍了材料科学电子结构数据库高通量建设的自动流标准。固态材料的电子结构计算依赖于大量的参数，这些参数必须由研究人员理解，并且必须由原创者报告，以确保可重复性并实现协作数据库扩展。因此，我们描述标准参数值k点网格密度，基组平面波动能截止，交换相关泛函，赝势，DFT+U参数，并在AFLOW计算中使用的收敛标准。
2015-05-31 cond-mat.mtrl-sci
Hierarchically nanostructured thermoelectric materials: Challenges and opportunities for improved power factors
在过去的几十年里，热电材料领域经历了革命性的转变，这是由于能够纳米结构化和合成无数材料及其合金。量化热电材料性能的ZT优值在数十年的不活动后增加了一倍以上，达到大于2的值，在不同材料和温度下保持一致。这种ZT改进的核心是由于声子在许多界面、边界、位错、点缺陷、相等上的散射而导致材料热导率的急剧降低，这是故意包括在内的。在这些新一代的纳米结构材料中，形成了不同尺寸和几何构型（原子、纳米和宏观尺度）的声子散射中心，这些声子散射中心能够在整个光谱中散射平均自由程的声子。除了降低热导率之外，关于如何使用类似的分层纳米结构来实现功率因数改善的想法也开始出现。放松的电导率和塞贝克系数的不利的相互依赖性的方式是有针对性的，这使得功率因数的改善。为此，需要优雅的设计，其利用例如下面的纳米结构几何形状中的不均匀性、掺杂剂分布中的不均匀性或在材料之间的边界处形成的势垒。最近的一些理论和实验报告表明，即使对于同样的几何形状，也可以实现极高的功率因数值，并且还提供超低的热导率。尽管在纳米结构实现中具有所需的控制可能会出现实验复杂性，但在这次座谈会上，我们的目标是主要从理论上证明，这是一条非常有前途的道路，值得探索。
2020-12-22 cond-mat.mtrl-sci
Project For Advancement of Software Usability in Materials Science
东京大学固体物理研究所开展PASUMS项目，开发并推进从头计算、有效模型求解器及机器学习等开源软件，并开发综合计算工具以提升超级计算机使用效率和软件互操作性，旨在推动计算材料科学社区发展。
2025-05-23 cond-mat.mtrl-sci cs.SE physics.comp-ph
Quantum Information Science from the Perspective of a Device and Materials Engineer
量子信息科学以可能对设备或材料工程师有用的方式呈现。强调自旋实现。
2004-02-12 cond-mat.mes-hall cond-mat.mtrl-sci
Applications of DFT+DMFT in Materials Science
第一原理方法可以提供对材料的深入了解，否则不可能获得。密度泛函理论（DFT）已成为众多应用的首选第一原理方法，但它不能预测相关材料的性质。第一性原理密度泛函理论+动力学平均场论（DFT+DMFT）是一个强有力的工具，可以解决DFT应用于相关金属时的这些缺点。在这篇针对非专家的简短评论中，我们回顾了DFT+DMFT的基础知识和一些应用。
2018-12-29 cond-mat.mtrl-sci
The NOMAD Artificial-Intelligence Toolkit: Turning materials-science data into knowledge and understanding
我们提出了新材料发现（NOMAD）材料智能（AI）工具包，一个基于Web浏览器的基础设施，用于基于交互式AI的分析材料科学可发现，可访问，可互操作和可重用（FAIR）数据。人工智能工具包可以随时对存储在NOMAD Archive中央服务器上的FAIR数据进行操作，NOMAD Archive是全球最大的材料科学数据库，也可以对本地存储的用户所有数据进行操作。NOMAD Oasis是一个本地的独立服务器，也可以用来运行AI Toolkit。通过使用在Web浏览器中运行的Xueyter笔记本，可以查询和访问NOMAD数据;然后可以应用数据挖掘，机器学习和其他AI技术来分析它们。这种基础设施将材料科学的可再现性概念提升到了一个新的水平，使研究人员不仅可以共享其科学出版物的数据，还可以共享所有开发的方法和分析工具。除了复制已发表的结果外，NOMAD AI工具包的用户还可以根据自己的研究工作修改Applyter笔记本。
2022-11-09 cond-mat.mtrl-sci
Now is the time to build a national data ecosystem for materials science and chemistry research data
呼吁政府、学术界和工业界采取协调行动。
2022-01-01 cond-mat.mtrl-sci physics.chem-ph physics.soc-ph
A Critical Examination of Active Learning Workflows in Materials Science
The NOMAD Laboratory at the Fritz Haber Institute of the Max Planck Society（弗里茨·哈伯研究所的NOMAD实验室）
本文批判性地评估了材料科学中主动学习工作流的设计与性能，探讨关键设计选择对工作流效果的影响，并提供实践指导。
2026-01-09 cond-mat.mtrl-sci cs.LG
MatTools: Benchmarking Large Language Models for Materials Science Tools
Center for Structural Materials, Department of Mechanical Engineering, The University of Hong Kong（香港大学机械工程系结构材料中心）；Materials Innovation Institute for Life Sciences（生命科学创新研究所）
MatTools通过代码生成和执行评估LLM在材料科学工具中的能力，揭示通用模型优于专业模型，AI理解AI，及简单方法更优的结论。
2025-12-16 cond-mat.mtrl-sci cs.CL cs.DB
Learning physical descriptors for materials science by compressed sensing
大数据在材料科学中的可用性为分析材料性能和功能并实现科学理解提供了新的途径。在这些数据中发现标准工具无法直接看到的结构和科学信息的利用需要基于统计学习，压缩传感和应用数学，计算机科学，统计学，信号处理和信息科学的其他最新方法的新方法。在本文中，我们解释并演示了一种基于压缩感知的特征选择方法，特别是用于发现物理描述符，即，描述材料及其感兴趣性质的物理参数，以及明确和定量描述这些相关性质的相关方程。作为示范应用和概念验证，我们描述了如何建立一个物理模型，用于定量预测二元化合物半导体的晶体结构。
2016-12-13 cond-mat.mtrl-sci physics.data-an
Graph neural networks for materials science and chemistry
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；Université de Strasbourg（斯特拉斯堡大学）；Eindhoven University of Technology（埃因霍温理工大学）
机器学习在化学和材料科学的许多领域中发挥着越来越重要的作用，例如预测材料特性，加速模拟，设计新材料，以及预测新材料的合成路线。图神经网络（GNN）是机器学习模型中增长最快的一类。它们与化学和材料科学特别相关，因为它们直接处理分子和材料的图形或结构表示，因此可以完全访问表征材料所需的所有相关信息。在这篇综述文章中，我们概述了GNN的基本原理，广泛使用的数据集和最先进的架构，然后讨论了GNN在化学和材料科学中的广泛应用，最后给出了GNN进一步开发和应用的路线图。
2022-08-05 cond-mat.mtrl-sci cs.LG physics.chem-ph
Functional Unit: A New Perspective on Materials Science Research Paradigms
本文提出功能单元概念，旨在解决材料科学从传统范式向数据驱动AI范式转变过程中结构-性质相关性理解的不足，并探讨其在多尺度材料设计中的应用与挑战。
2025-03-11 cond-mat.mtrl-sci cs.LG
A short introduction to Neural Networks and their application to Earth and Materials Science Science
本文以教学方式介绍前馈神经网络原理，并回顾其在岩浆储存温压预测及基于矿物清单搜索新型超导材料中的两项应用。
2024-08-21 cond-mat.dis-nn cond-mat.mtrl-sci physics.data-an
Are LLMs Ready for Real-World Materials Discovery?
Intel（英特尔公司）
本文指出LLMs在材料科学应用中的局限性，提出基于知识驱动和假设检验的MatSci-LLM开发框架，并规划了通过构建多模态数据集和自动化实验室实现现实世界材料发现的路线图。
2024-09-25 cond-mat.mtrl-sci cs.AI cs.CL
Mechanistic Data Science for Modeling and Design of Aerospace Composite Materials
聚合物基复合材料具有显著的轻质和高强度特性，使其在航空航天应用中具有吸引力。成分材料，如高级聚合物和纤维或具有分层结构的填料，将这些特殊性能嵌入到复合材料中。这种多个长度尺度的分层结构为设计复合材料以优化性能提供了机会。然而，复合材料各组成部分的材料和结构选择所需的高维设计空间使其成为一个具有挑战性的设计问题。为了解决这个高维的设计空间，一个系统的，有效的方法命名为机械数据科学框架，在这项工作中，以确定材料系统的管理机制，从有限的可用数据，并创建一个复合知识数据库。我们的复合材料知识数据库包括纳米级聚合物与纳米增强材料的知识，微米级的单向结构，以及可进一步用于部分规模复合材料设计和分析的中尺度机制的编织结构。在这项工作中提出的机械数据科学框架可以进一步扩展到其他材料系统，将提供必要的工具，材料设计师快速评估新材料系统设计。
2021-12-02 cond-mat.dis-nn cond-mat.mtrl-sci
Models and Simulations in Material Science: Two Cases Without Error Bars
我们讨论了材料科学中的两个研究项目，其中的结果不能用误差估计来说明：一个光谱椭圆偏振法研究旨在确定金刚石上DNA分子的取向，以及一个扫描隧道显微镜研究锗上铂诱导的纳米线。为了研究结果的可靠性，我们应用了科学模型哲学的思想。即使研究报告了一个错误值，结果的可信度也不仅仅取决于这个值。
2013-11-14 cond-mat.mtrl-sci physics.data-an physics.hist-ph
Interpretable and Explainable Machine Learning for Materials Science and Chemistry
Massachusetts Institute of Technology（麻省理工学院）；Microsoft AI for Good Research Lab（微软AI向善研究实验室）；Rutherford Appleton Laboratory（卢瑟福·阿普尔顿实验室）；University of Reading（雷丁大学）
虽然材料科学和化学的数据驱动方法的采用处于令人兴奋的早期阶段，但要实现机器学习模型在成功科学发现中的真正潜力，它们必须具有超越纯粹预测能力的品质。模型的预测和内部工作应该提供一定程度的可解释性，允许识别潜在的模型问题或限制，建立对模型预测的信任，并揭示可能导致科学见解的意外相关性。在这项工作中，我们总结了可解释性和可解释性技术在材料科学和化学中的应用，并讨论了这些技术如何提高科学研究的结果。我们讨论了在材料科学和更广泛的科学环境中可解释机器学习的各种挑战。特别是，我们强调通过纯粹解释机器学习模型来推断因果关系或达到泛化的风险，以及模型解释的不确定性估计的必要性。最后，我们展示了其他领域的一些令人兴奋的发展，这些发展可能有利于材料科学和化学问题的可解释性。
2021-11-03 cond-mat.mtrl-sci cs.LG
MaterialFigBENCH: benchmark dataset with figures for evaluating college-level materials science problem-solving abilities of multimodal large language models
MaterialFigBench是一个评估多模态大语言模型在材料科学问题中图表解读能力的基准数据集，通过137个问题测试模型在视觉理解和数值精度上的表现，揭示了当前模型在图表处理方面的不足。
2026-03-12 cond-mat.mtrl-sci cs.CL
Advances of Machine Learning in Materials Science: Ideas and Techniques
本文综述机器学习在材料科学中的方法与应用，介绍大数据架构、常用ML模型及软件，探讨其在材料筛选、生成和分支学科中的未来可能。
2023-09-26 cond-mat.dis-nn cond-mat.mtrl-sci physics.data-an
Materials Informatics: An Algorithmic Design Rule
本文提出材料信息学作为材料科学第四范式，通过神经网络拓扑与统计推断，实现有机半导体发现与知识提取，并探讨算法设计规则。
2023-05-05 cond-mat.mtrl-sci cond-mat.stat-mech cs.LG
Metamaterials with Negative Compressibility Highlight Evolving Interpretations and Opportunities
本研究围绕负压缩性超材料展开，指出该构想对科研与应用价值显著，随着新效应形式的发现，需探究相关机制及力学超材料的设计方法。
2024-10-09 cond-mat.mtrl-sci cond-mat.soft physics.app-ph
MatSci-NLP: Evaluating Scientific Language Models on Materials Science Language Tasks Using Text-to-Schema Modeling
University of Montreal（蒙特利尔大学）；Mila - Quebec AI（Mila - 魁北克人工智能研究所）；Intel Labs（英特尔实验室）
提出材料科学NLP基准MatSci-NLP，涵盖七项任务，验证科学预训练语言模型优势，并引入文本到模式多任务学习方法，优于传统微调。
2023-05-14 cond-mat.mtrl-sci cs.AI cs.CL
Complex Workflow Management and Integration of Distributed Computing Resources by Science Gateway Portal for Molecular Dynamics Simulations in Materials Science
介绍了用于复杂工作流管理和分布式计算资源（如集群、服务网格、桌面网格、云）集成的“IMP Science Gateway Portal”（http：scigate.imp.kiev.ua）。它是在WS-PGRADE和gUSE技术的基础上创建的，其中WS-PGRADE是为科学工作流操作而设计的，而gUSE是为各种异构分布式计算基础设施（DCI）中的并行和分布式计算的可用资源的平滑集成而设计的。典型的科学工作流程与可能的情况下，其准备和使用。几个典型的科学应用（科学工作流程）被认为是分子动力学（MD）模拟各种纳米结构的复杂行为（石墨烯层的纳米压痕，金属纳米晶体中的缺陷系统弛豫，氮化硼纳米管的热稳定性等）。该解决方案的优点和缺点进行了简短的分析，其实际应用的背景下，MD模拟在材料科学，物理学和纳米技术与可用的异构DCI。
2014-04-22 cond-mat.mtrl-sci cs.CE cs.DC
Opportunities for Retrieval and Tool Augmented Large Language Models in Scientific Facilities
本文以X射线光源等设施为例，探索了上下文感知语言模型CALMS在科学设施中辅助仪器操作与复杂实验的潜力，展示其信息检索与工具接口能力，旨在扩大用户群体并加速科学产出。
2023-12-03 cond-mat.mtrl-sci cs.CE physics.acc-ph
