在几个领域工作的研究人员发现，开发具有理想性能以满足某些功能的材料具有挑战性。欧洲杯足球竞彩这个问题在从催化到太阳能电池的各个领域都很常见。
图片来源:东京大学。
为了加快这一开发过程的步伐，研究人员可以依赖能够预测信息的建模方法，这些信息可以指导进一步的改进。
科学家们东京大学工业科学研究所欧洲杯线上买球设计了一个机器学习模型，可以根据单个组件的规格找到吸附和粘合材料的特性。欧洲杯足球竞彩
研究结果发表在该杂志上应用物理表达．
材料中键的强度和长度等特征在识别宏观尺度上所经历的结构和特征时非常重要。欧洲杯足球竞彩因此，易于估计这些特性的潜力对设计新材料做出了重大贡献。欧洲杯足球竞彩
态密度(DOS)是一个可以估算分子、单个原子和材料的参数。欧洲杯足球竞彩这是指电子在材料内部组织自身的选择。
通过消除制作和检查材料的需要，能够处理特定组件的数据并为所需产品生成有用数据的建模技术将是一个令人印象深刻的工具。
该团队使用了一种机器学习技术，该模型能够在没有人为干预的情况下改进其反应。这样做是为了从不同组件的DOS数据中投射出产品的四个不同特性。
在前面，DOS被用作描述符来形成单个参数。这是它首次被用来预测多种不同的性质。
我们能够定量预测三种不同一般类型系统的结合能、键长、共价电子数和键合后的费米能．
铃木荣树，东京大学工业科学研究所第一作者欧洲杯线上买球
与确定绑定系统的DOS相比，确定隔离状态的DOS要简单一些。因此，分析是比较有效的。此外，神经网络模型表现出良好的性能，即使只有20%的数据集参与训练。
我们的模型的一个显著优点是它是通用的，可以应用于各种各样的系统。
Teruyasu Mizoguchi，研究通讯作者，东京大学工业科学研究所欧洲杯线上买球
”我们相信，我们的发现可以对许多发展过程做出重大贡献，例如在催化领域，并且在纳米团簇和纳米线等新的研究领域特别有用沟口照康补充道。
期刊引用:
铃木、E。等(2021)基于机器学习的模型在键合前使用孤立状态准确预测键合性能。应用物理表达．doi.org/10.35848/1882-0786/ac083b．
资料来源：https://www.iis.u-tokyo.ac.jp/en/