20220722-吉林大学张立军-新型光电半导体材料设计

通过数据驱动来机器学习研究材料的性质

根据功能性，逆向设计材料结构。

三个挑战：

1. 挖掘未知的“结构-性质”关系；
2. 功能性一般有多种性质，如何兼顾；
3. 考虑能量，即稳定性。

演化至今，到了数据驱动的阶段。

三个模块：

1. 数据的产生：高通量计算或实验；
2. 形成数据库：包含材料的组分、结构、性质等；
3. 应用机器学习的方法，进行数据挖掘。

基于高通量的数据，获得新材料的发掘。

第一性原理实现材料性质的比拟。

利用现有或自行搭建数据库。

利用大数据进行挖掘预测，潜在方向为性质预测、材料搜索、材料分类、加速计算等。