智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
預告
品牌
昆侖通態
德國慕尼黑大學與柏林弗里茨·哈伯研究所的科學家們，已經找到了一條依靠主動式機器學習(AML)技術，來持續改進光伏面板的新方法。傳統意義上的學習，無非是借鑒以往的經驗。即便需要應對新的情況，AI也相當依賴于此前已經處理過的大致相似狀況。不過本文介紹的主動式學習技術，似乎已經開辟出了一個幾乎無限的可能。
在面向未來的便攜式太陽能電池或可卷曲顯示屏等研究領域，有機半導體研究人員在處理無數種可能的候選分子時，就面臨著相當大的考驗。
慶幸的是，在此類具有改進特性的有機分子的發現任務上，已經有越來越多人開始考慮借助機器學習(Machine Learning)的力量，通過來自計算機仿真或實驗的數據而開展相關訓練。
然而具有這種可能的小有機分子數量，規模可能高達10^33，使得我們幾乎不可能實際生成足夠的數據，來反映材料的多樣性。
好消息是，弗里茨-哈伯研究所理論系負責人Karsten Reuter教授，剛剛在《自然通訊》(Nature Communications)期刊上發表了他們的新穎解決方案。
主動式機器學習(AML)算法，并不依賴于從現有的數據中學習，而是通過不斷地迭代，以確定實際上需要學習該問題的相關數據。
基于此，科學家們首先對幾個較小的分子進行了模擬，以獲得與分子電導率有關的數據(衡量太陽能電池材料的實用性的一個維度)。
然后算法將決定這些分子的微小修飾是否可推導出實用的特征，或者因缺乏相似數據而不確定。在此情況下，系統都會自動請求新的模擬，通過生成新的數據來自我改進、考慮新分子，并不斷重復此過程。
目前，科學家們已經展示了如何借此有效地識別出新的有前景的分子、同時算法仍在繼續探索廣闊的分子空間，結果是我們幾乎每周都可梳理出新型分子結構，有助于讓下一代太陽能電池的研發工作愈加輕松。
(原標題：科學家借助主動式機器學習技術來改進光伏面板)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
