典型文献
机器学习在高分子材料基因组研究中的进展与挑战
文献摘要：
机器学习对高分子材料基因组的研究与发展有着重要作用.它通过对高分子材料结构描述符的设计与筛选、材料数据库的完善以及聚合物分子结构标识符的发展等方法,有效地构建分子链的化学组成、构象与其聚集态结构、宏观性能之间的联系.本文梳理了近几年机器学习方法在高分子材料科学领域的研究进展,总结了一些常用机器学习算法的应用与研究成果,同时,也针对算法所需的数据量较大等问题,特别指出了应对数据量较少或是数据成本昂贵时的解决方案.根据当前研究进展,整理了机器学习方法在高分子材料科学领域中应用的难题与挑战.
文献关键词：
高分子材料基因组;机器学习;结构与性能关系;目标性能预测与优化;多目标优化
中图分类号：
作者姓名：
宫祥瑞;蒋滢
作者机构：
北京航空航天大学化学学院 北京100191;北京航空航天大学仿生智能界面科学与技术教育部重点实验室 北京100191;北京航空航天大学软物质物理及其应用中心 北京100191;北京航空航天大学北京生物医学工程高精尖创新中心 北京100191
文献出处：
引用格式：
[1]宫祥瑞;蒋滢-.机器学习在高分子材料基因组研究中的进展与挑战)[J].高分子学报,2022(11):1287-1300
A类：
高分子材料基因组,目标性能预测与优化
B类：
基因组研究,进展与挑战,研究与发展,结构描述,描述符,材料数据库,分子结构,标识符,化学组成,构象,聚集态结构,宏观性能,机器学习方法,材料科学,科学领域,机器学习算法,应用与研究,数据量,昂贵,结构与性能关系,多目标优化
AB值：
0.250335
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
