马丁路德·哈勒维腾贝格大学(德文:Martin-Luther-Universität Halle-Wittenberg,简称:Uni Halle或MLU),始建于1502年,是德国一所著名的国立综合性研究型大学,也是欧洲历史最悠久的大学之一,迄今拥有五百多年历史,并于2002年举行了500周年校庆。其主校区位于萨克森安哈特州哈勒市(Halle,Saale)。 作为16世纪宗教改革运动的知识中心及18世纪德国辩证学的发源地,其历史可以追溯到1502年的维腾贝格大学,且于1817年与哈勒大学合并。1933年,为纪念杰出校友——宗教改革之父马丁·路德(Martin Luther),学校改名马丁路德·哈勒维腾贝格大学(Martin-Luther-Universität Halle-Wittenberg)。 历史上,该大学培养过许多杰出校友,如宗教改革之父马丁·路德,1963年诺贝尔化学奖得主卡尔·齐格勒,1953年诺贝尔化学奖得主赫尔曼·施陶丁格,1901年诺贝尔医学奖得主埃米尔·阿道夫·冯·贝林,1925年诺贝尔物理学奖得主古斯塔夫·赫兹,艾宾浩斯遗忘曲线提出者赫尔曼·艾宾浩斯,微积分理论奠基人格奥尔格·康托尔,《哈利路亚》作曲家格奥尔格·亨德尔 等。 学校涵盖神学,法学,经济学,医学,社会科学,历史文化学,语言学,传播学,音乐学,教育学,生化学,生物学,药学,物理学,化学,农学,营养学,地学科学,数学等科系。

VIP内容

论文题目

机器学习在固体材料科学中的最新进展和应用,Recent advances and applications of machine learning in solidstate materials science

论文简介

近年来进入材料科学工具箱的最令人兴奋的工具之一是机器学习。这些统计方法已经证明能够大大加快基础和应用研究的速度。目前,我们正在见证一个爆炸性的工作,开发和应用机器学习的固态系统。我们对本课题的最新研究进行了全面的综述和分析。作为起点,我们介绍了材料科学中的机器学习原理、算法、描述符和数据库。我们继续描述不同的机器学习方法,以发现稳定的材料并预测其晶体结构。然后我们讨论了大量的定量结构-性质关系的研究,以及用机器学习代替第一性原理方法的各种方法。我们回顾了如何应用主动学习和基于代理的优化来改进rational设计过程和相关的应用实例。两个主要的问题总是机器学习模型的可解释性和从中获得的物理理解。因此,我们考虑可解释性的不同方面及其在材料科学中的重要性。最后,针对计算材料科学面临的各种挑战,提出了解决方案和未来的研究路径。

论文作者

Jonathan Schmidt,Mário R. G. Marques,来自马丁路德大学 物理研究所

成为VIP会员查看完整内容
0
17
Top