Predicting nonlinear physical aging of glasses from equilibrium relaxation via the material time
本研究通过从分子玻璃的线性弛豫行为成功预测其物理老化，直接验证了材料时间概念，并表明物理老化可由热平衡涨落数据预测，且经计算机模拟证实。
2022-03-21 cond-mat.soft
Predicting Pair Correlation Functions of Glasses using Machine Learning
针对玻璃组成-结构关系难建立的问题，集成CNN自编码器与随机森林构建机器学习流程，可准确预测不同组成玻璃的对关联函数，助力材料设计与研究。
2023-08-22 cond-mat.soft physics.comp-ph
Predicting activation-barrier and plasticity-onset statistics in a model of glasses
Tohoku University（东北大学）；University of Amsterdam（阿姆斯特丹大学）；Weizmann Institute of Science（魏茨曼科学研究所）
本研究通过非线性模式框架推导出玻璃模型激活势垒和塑性起始的渐近分布及极值标度，并开发高效算法验证预测，为理解玻璃动力学提供统一理论。
2026-10-08 cond-mat.dis-nn cond-mat.mtrl-sci cond-mat.soft
Application of a simple short-range attraction long-range repulsion colloidal model towards predicting the viscosity of protein solutions
一些硬球胶体模型因不能准确预测蛋白质等复杂生物分子的溶液粘度而受到批评。竞争短程吸引和长程排斥，也称为SALR相互作用，被认为会影响低至中等离子强度下蛋白质溶液的微观结构。然而，这种相互作用主要涉及引起相变、蛋白质凝胶化或可逆的团簇形成，并且它们对蛋白质溶液粘度变化的影响尚未完全了解。在这项工作中，我们展示了应用硬球胶体模型与SALR相互作用对预测稀至半稀蛋白质溶液的粘度。比较的球形白蛋白和Y形的治疗性单克隆抗体，不能解释以前的胶体模型。模型预测表明，它是吸引力和排斥力之间的耦合，引起所观察到的实验趋势，溶液粘度作为pH值，浓度和离子强度的函数。该模型的参数是从测量的第二维里系数和净表面电荷/zeta电位，没有额外的拟合的粘度。
2022-09-09 cond-mat.soft
Predicting Properties of Oxide Glasses Using Informed Neural Networks
本文提出一种融入先验科学知识的神经网络模型，用于预测不含钠的二元氧化物玻璃的玻璃化转变温度、杨氏模量和剪切模量，相比五种传统盲模型，该模型展现出更优的外推能力。
2024-02-06 cond-mat.dis-nn cond-mat.soft physics.comp-ph
Non--Newtonian viscosity of interacting Brownian particles: comparison of theory and data
最近的第一性原理的方法来致密的胶体悬浮液的非线性流变学的评估和剪切系统接近其玻璃化转变的模拟结果进行比较。预测的情况下，一个普遍的过渡之间的玻璃和非牛顿（剪切变稀）流体流动的屈服的结构动力学似乎很好地遵守，和简化模型内的计算合理化的数据在剪切速率和粘度的变化高达30年。
2002-10-09 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
ViscNet: Neural network for predicting the fragility index and the temperature-dependency of viscosity
粘度（$η$）是无序物质最重要的性质之一。粘度的温度依赖性用于调整玻璃制造的工艺变量，从熔化到退火。这项工作的目的是开发一个物理信息的机器学习模型，能够预测氧化物液体的$η(T)$。NN预测MYEGA粘度方程的参数，而不是预测粘度本身：液体的脆性指数，玻璃化转变温度和渐近粘度。利用这些参数，可以在任何感兴趣的温度下计算$η$，具有MYEGA方程固有的良好外推能力的优点。该数据集是从SciGlass数据库中收集的;仅选择在高粘度和低粘度区域具有足够数据点的氧化物液体，导致最终数据集具有17，584个数据点，包含847种不同的液体。大约600个特征是从液体的化学成分中设计出来的，其中35个特征是使用特征选择协议选择的。超参数（HP）调整的NN进行了一组实验，使用随机搜索和贝叶斯策略，其中共700 HP集进行了测试。使用10倍交叉验证进一步测试最成功的HP集，并且选择具有最低平均验证损失的HP集作为最佳集。最终训练的NN用85种液体的测试数据集进行测试，这些液体具有与用于训练和验证NN的液体不同的组成。测试数据集预测的$R^2$为0.97。这项工作介绍了三个优点：该模型可以预测粘度以及液体的玻璃化转变温度和脆性指数;该模型的设计和训练重点是外推;最后，该模型是根据GPL 3许可的免费开源软件。
2021-03-15 cond-mat.dis-nn cond-mat.soft physics.comp-ph
Physics-Informed Symbolic Regression for Predicting the Glass Transition Temperature of Alkali Borate Glasses
Federal University of Sergipe（塞尔希培联邦大学）；Federal University of Lavras (UFLA)（拉夫拉斯联邦大学）；Federal University of Bahia（巴伊亚联邦大学）；Brazilian Center for Research in Energy and Materials (CNPEM)（巴西能源与材料研究中心）
针对碱金属硼酸盐玻璃$T_g$难预测的问题，本研究采用物理启发符号回归推导了具物理可解释性的$T_g$闭式表达式，验证了参数物理一致性，明确了模型不确定性与硼异常的关联，为玻璃性能预测提供了新的透明建模方案。
2026-08-18 cond-mat.mtrl-sci cond-mat.soft
A novel view on classification of glass-forming liquids and empirical viscosity model
在过去的几十年里，玻璃形成液体的理论和实验研究已经揭示了普遍的粘度-温度数据中的粘度。在目前的工作中，我们提出了一个粘度模型的实验粘度数据的缩放描述。该模型的一个特点是只有两个可调参数，且在较宽的温度范围内对实验数据的逼近精度高。标度描述的基础是原始温标。在这个缩放描述中，我们得到了转换后的Angell图，其中出现了分离“脆弱”和“强大”玻璃形成者的区域。建议的缩放程序，使人们有可能重新考虑属于某些液体的类型的“脆弱”的玻璃形成。所得到的结果形成的基础上发展的广义缩放描述的结晶动力学在过冷液体和玻璃。
2021-11-20 cond-mat.mtrl-sci cond-mat.soft
GlassNet: a multitask deep neural network for predicting many glass properties
本研究提出多任务深度神经网络GlassNet，在超218k玻璃组成上训练以预测85种性质，结合MYEGA方程优于ViscNet，并用SHAP提供可解释性，助力玻璃设计。
2023-11-20 cond-mat.mtrl-sci cond-mat.soft
Predicting and interpreting oxide glass properties by machine learning using large datasets
随着强大的计算机模拟技术的出现，是时候从广泛使用的知识指导的经验方法转向数据科学驱动的方法，主要是机器学习算法。我们研究了三种机器学习算法对六种不同玻璃性质的预测性能。为此，我们使用了约150，000个氧化物玻璃的广泛数据集，这些数据集针对所研究的每个属性被分割成较小的数据集。使用决策树归纳，k-近邻，随机森林算法，从以前的研究中选择的六个算法，我们诱导预测模型的玻璃化转变温度，液相线温度，弹性模量，热膨胀系数，折射率，阿贝数。此外，每个模型都是由默认和调整的超参数值诱导的。我们证明，除了弹性模量（具有最小的训练数据集），其他五个属性的诱导预测模型产生了与通常的数据传播相当的不确定性。然而，对于具有极低或极高的这些性质的值的玻璃，预测不确定性显著更高。最后，正如预期的那样，含有在训练集中表现不佳的化学元素的玻璃产生了更高的预测误差。这里开发的方法引起了人们对机器学习算法的成功和可能陷阱的关注。对SHAP值的分析表明了增加或减少建模属性值的关键元素。它还估计了最大可能的增加或减少。通过这种分析获得的见解可以帮助经验成分调整和计算机辅助玻璃配方的逆向设计。
2021-05-24 cond-mat.mtrl-sci cond-mat.soft
How short-range attractions impact the structural order, self-diffusivity, and viscosity of a fluid
我们提出了分子模拟数据的粘度，自扩散率，和局部结构有序的（i）硬球流体和（ii）方井流体与短程吸引力。后者的流体表现出动态异常的相图，其流动性增加后，等容冷却，这被认为是一个更大的区域的结构异常，其中其对相关性加强等容加热的一个子集。这种“异常级联”在性质上类似于最近对液态水的模拟。硬球和方井系统的结果还表明，在过冷时的斯托克斯-爱因斯坦关系的故障发生的条件下，粘度和自扩散发展不同的耦合的程度成对的结构有序的液体。我们讨论这些耦合如何反映动态的异质性。最后，我们注意到，模拟数据表明如何排斥和吸引力的玻璃通常可以由两个不同的水平的短程结构秩序的特点。
2007-05-02 cond-mat.soft
Machine Learning-Integrated Modeling of Thermal Properties and Relaxation Dynamics in Metallic Glasses
本文融合机器学习与ECNLE理论，基于元素组成分布特征高精度预测金属玻璃的T_m和T_g，并揭示其成分依赖与结构弛豫动力学。
2025-03-18 cond-mat.mtrl-sci cond-mat.soft cond-mat.stat-mech
Robust Prediction of Frictional Contact Network in Near-Jamming Suspensions Employing Deep Graph Neural Networks
本研究提出基于深度图卷积网络（DeepGCN）的机器学习方法，用于预测近堵塞悬浮液中的摩擦接触网络（FCN），在广泛相空间和参数变化下展现出鲁棒泛化能力，为颗粒系统性质预测提供了可迁移技术。
2025-02-27 cond-mat.dis-nn cond-mat.soft cond-mat.stat-mech
