機(jī)器學(xué)習(xí)（ML）正成為研究二維（2D）材料的有效工具。將計(jì)算或?qū)嶒?yàn)材料數(shù)據(jù)作為輸入，ML算法可預(yù)測尚未發(fā)現(xiàn)的2D材料的結(jié)構(gòu)、電子、機(jī)械和化學(xué)特性。這種預(yù)測擴(kuò)展了對如何合成2D材料并將其用于各種應(yīng)用的研究，并大大減少了發(fā)現(xiàn)和理解2D材料的時間和成本。
在此，美國阿貢國家實(shí)驗(yàn)室/芝加哥大學(xué)Junhong Chen教授等人簡要介紹了ML在2D材料領(lǐng)域的最新應(yīng)用，特別聚焦于2D材料的理解、發(fā)現(xiàn)和合成，并提供了一個全面的描述和未來的展望。ML方法可通過4個步驟執(zhí)行：數(shù)據(jù)準(zhǔn)備、模型選擇、訓(xùn)練和評估。從對有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的各種ML算法的總結(jié)開始，作者描述了這些算法如何應(yīng)用于2D材料的具體研究。
作者討論了各種回歸和分類算法如何處理有/無標(biāo)記的數(shù)據(jù)，并提取原本難以檢測的有意義預(yù)測。這種由ML算法實(shí)現(xiàn)的預(yù)測有助于理解2D材料的力學(xué)、電學(xué)、化學(xué)性質(zhì)及尚未發(fā)現(xiàn)的異質(zhì)結(jié)構(gòu)。接下來概述了使用ML制備2D材料的策略，ML可準(zhǔn)確識別機(jī)械轉(zhuǎn)移法制備的2D材料的層厚和尺寸并預(yù)測其合成概率。此外，還介紹了將ML用于基于2D材料在傳感和催化方面應(yīng)用的研究。
為了應(yīng)用 ML，必須牢記幾個挑戰(zhàn)：i）很難獲得足夠大的數(shù)據(jù)量來使用ML來研究新發(fā)現(xiàn)的2D材料；ii）ML不僅需要大量而且還需要高質(zhì)量的數(shù)據(jù)來產(chǎn)生準(zhǔn)確的預(yù)測；iii）應(yīng)使用實(shí)驗(yàn)或計(jì)算模擬仔細(xì)解釋和驗(yàn)證來自ML的預(yù)測，因?yàn)榇祟愵A(yù)測并非來自對2D材料基礎(chǔ)物理特性的理解。此外，利用ML可以開辟新的研究機(jī)會：
（1）可使用ML和機(jī)器人技術(shù)設(shè)計(jì)用于生產(chǎn)一系列2D材料及其異質(zhì)結(jié)構(gòu)的自動化系統(tǒng)；
（2）在傳感應(yīng)用中，ML可用于優(yōu)化由2D材料制成的各種傳感器；
（3）可采用ML來設(shè)計(jì)一個一體化的系統(tǒng)，包括一系列材料的“發(fā)現(xiàn)-理解-篩選-綜合-應(yīng)用”。總之，這篇綜述不僅可以啟發(fā)新手研究人員，還可以指導(dǎo)有興趣在研究中應(yīng)用ML的成熟研究人員。
圖2. ML預(yù)測2D MXenes的可合成性
Understanding, discovery, and synthesis of 2D materials enabled by machine learning, Chemical Society Reviews 2022. DOI: 10.1039/D1CS00503K
原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請注明來源華算科技，注明出處：http://www.xiubac.cn/index.php/2023/10/14/c07ac2755d/
-透明背底.png)
