搜索结果: 1-7 共查到“工学 机器学习”相关记录7条 . 查询时间(0.15 秒)
上海科技大学数学科学研究所举办2024机器学习与模型降阶研讨会（图）
2024 机器学习 模型降阶
2024/5/9
2024年4月20日，2024机器学习与模型降阶研讨会在数学科学研究所召开。会议邀请来自中国科学院、北京大学、复旦大学、上海交通大学、同济大学、山东大学、东方理工大学等十余位专家进行学术报告，内容围绕偏微分方程的机器学习方法与模型降阶方法，涵盖理论分析和在计算流体力学、石油工程等学科中的应用。
在极端高压条件下碳的相图中，金刚石不再是碳元素的最稳定相。早在三十多年前，理论预言金刚石会在1TPa左右向BC8结构转变，但实验上至今仍未得到金刚石向BC8转变的直接证据。作为一种比金刚石更致密的神秘碳结构，合成BC8碳对于凝聚态物理和材料科学都有重要意义。近日，南京大学物理学院孙建教授、王慧田教授、邢定钰院士等人，利用基于第一性原理计算与机器学习分子动力学(GPUMD)方法，预言设计了金刚石向B...
中国科学院南京土壤研究所专利：一种结合机器学习和地统计的土壤有机质遥感制图方法。
近日，南京大学物理学院彭茹雯教授和王牧教授研究团队与浙江大学马蔚研究员、美国东北大学刘咏民教授课题组合作研究，提出了一种基于统计机器学习方法的微纳光子器件自动化高效设计框架。相比于基于数值仿真的传统试错搜索方法，该设计框架通过机器学习模型挖掘训练数据中设计结构与光学响应间的统计规律，并结合其他迭代优化算法，最终实现了超表面微纳光学器件的大规模、系统级寻优和设计。基于此框架，研究团队设计并实验验证了...
量子多体系统的求解是物理与化学领域长期面临的难题。1964年，Hohenberg和Kohn证明了量子多体系统的基态能量可以表示为密度的泛函，从而可以降低求解量子多体系统的复杂度。然而，Hohenberg-Kohn定理仅证明了能量密度泛函的存在性，而没有给出其具体形式。因此，探索精确的能量密度泛函是原子分子物理、凝聚态物理、材料物理、量子化学以及原子核物理等研究领域的热点和难点。特别在原子核物理领域...
复旦大学高分子科学系陈茂团队：机器学习辅助的聚合逆分析平台（图）
机器学习 聚合逆分析 人工智能
2022/7/1
在聚合物材料的研发过程中，研究者需合成大量具有不同信息的聚合物（例如分子量、分子量分布、化学组成）以开展筛选研究。然而聚合反应受多参数影响，对非专业人士而言，常需经历不断试错才能得到理想结果，不仅实验效率受限、成本高，而且对复杂体系而言，其分析难度大幅度提升。近年来，基于大数据的机器学习方法已经逐渐在化学领域彰显其在反应分析、路线优化上的巨大潜力。而如何在高分子合成中用好机器学习的优势，还有待开发...