新技术论文题为“深度学习方法在材料科学中的最新进展和应用”，来自NIST、UCSD、劳伦斯伯克利国家实验室、卡内基梅隆大学、西北大学和哥伦比亚大学的研究人员。
摘要
“深度学习(DL)是材料数据科学中发展最快的主题之一，快速涌现的应用横跨原子、基于图像、光谱和文本数据形式。深度学习允许分析非结构化数据和自动识别特征。近年来大型材料数据库的发展尤其促进了DL方法在原子预测中的应用。相比之下，图像和光谱数据的进步在很大程度上利用了由高质量的正向模型以及生成式无监督DL方法实现的合成数据。在本文中，我们对深度学习方法进行了高层次的概述，然后详细讨论了深度学习在原子模拟、材料成像、光谱分析和自然语言处理方面的最新发展。对于每种模态，我们讨论了涉及理论和实验数据的应用，典型的建模方法及其优点和局限性，以及相关的公开可用软件和数据集。最后，我们讨论了最近在该领域与不确定性量化相关的交叉工作，并简要展望了材料科学中DL方法的局限性、挑战和潜在增长领域。”
找到开放获取技术文件链接．2022年4月出版。
乔杜里，K.， DeCost, B.，陈，C.等。深度学习方法在材料科学中的最新进展和应用。npj Comput Mater 8, 59(2022)。https://doi.org/10.1038/s41524-022-00734-6
参观半导体工程技术论文库并发现更多芯片行业的学术论文。
留下回复