机器学习成为材料科学中复杂数据分析和信息挖掘的有力武器
导语 探索相变和构建相图对于凝聚态物理和材料科学至关重要，是理论和实验领域广泛研究的焦点。相变研究通常需要运用散射、热力学、模拟等综合手段描述相变时序参量的变化，对于序参量未知的体系，传统方法十分局限。最近西安交通大学杨耀东课题组的李玲龙与橡树岭国家实验室Kalinin小组合作，在新发表的Science Advances文章中创新性地提出运用机器学习算法，对扫描探针尖端探测体积下压电弛豫的动力学响
聚类算法
未知 . 2018-04-08 470
- 1