期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
高分子材料基因组研究进展
1
作者
应斐儿
高梁
+1 位作者
林嘉平
杜磊
《功能高分子学报》
CAS
CSCD
北大核心
2024年第2期157-170,共14页
改变传统专家系统分析的方法,运用信息学中的科学计量方法,即基于信息学的第四研究范式,客观、全面地分析了高分子材料基因组领域的现状和发展趋势。研究表明,该领域已经进入了“快速发展期”,形成了一些稳定产出的学术团队。目前的研...
改变传统专家系统分析的方法,运用信息学中的科学计量方法,即基于信息学的第四研究范式,客观、全面地分析了高分子材料基因组领域的现状和发展趋势。研究表明,该领域已经进入了“快速发展期”,形成了一些稳定产出的学术团队。目前的研究热点主要集中于机器学习策略在高分子材料中的应用,并且在光电材料、高分子电介质材料、高分子纳米复合材料、高性能复合材料和高分子生物材料上取得了一定的进展。最后,结合目前的研究进展探讨了高分子材料基因组未来的发展方向。
展开更多
关键词
高分子材料基因组
科学计量
研究现状
高分子材料
机器学习
下载PDF
职称材料
机器学习在高分子材料基因组研究中的进展与挑战
被引量：
3
2
作者
宫祥瑞
蒋滢
《高分子学报》
SCIE
CAS
CSCD
北大核心
2022年第11期1287-1300,共14页
机器学习对高分子材料基因组的研究与发展有着重要作用.它通过对高分子材料结构描述符的设计与筛选、材料数据库的完善以及聚合物分子结构标识符的发展等方法,有效地构建分子链的化学组成、构象与其聚集态结构、宏观性能之间的联系.本...
机器学习对高分子材料基因组的研究与发展有着重要作用.它通过对高分子材料结构描述符的设计与筛选、材料数据库的完善以及聚合物分子结构标识符的发展等方法,有效地构建分子链的化学组成、构象与其聚集态结构、宏观性能之间的联系.本文梳理了近几年机器学习方法在高分子材料科学领域的研究进展,总结了一些常用机器学习算法的应用与研究成果,同时,也针对算法所需的数据量较大等问题,特别指出了应对数据量较少或是数据成本昂贵时的解决方案.根据当前研究进展,整理了机器学习方法在高分子材料科学领域中应用的难题与挑战.
展开更多
关键词
高分子材料基因组
机器学习
结构与性能关系
目标性能预测与优化
多目标优化
原文传递
题名
高分子材料基因组研究进展
1
作者
应斐儿
高梁
林嘉平
杜磊
机构
华东理工大学科技信息研究所
华东理工大学材料科学与工程学院
出处
《功能高分子学报》
CAS
CSCD
北大核心
2024年第2期157-170,共14页
基金
国家自然科学基金(52394271,51833003,21975073,22103025)。
文摘
改变传统专家系统分析的方法,运用信息学中的科学计量方法,即基于信息学的第四研究范式,客观、全面地分析了高分子材料基因组领域的现状和发展趋势。研究表明,该领域已经进入了“快速发展期”,形成了一些稳定产出的学术团队。目前的研究热点主要集中于机器学习策略在高分子材料中的应用,并且在光电材料、高分子电介质材料、高分子纳米复合材料、高性能复合材料和高分子生物材料上取得了一定的进展。最后,结合目前的研究进展探讨了高分子材料基因组未来的发展方向。
关键词
高分子材料基因组
科学计量
研究现状
高分子材料
机器学习
Keywords
polymer
material
genomes
scientometrics
research
status
polymer
material
machine
learning
分类号
O63 [理学—高分子化学]
下载PDF
职称材料
题名
机器学习在高分子材料基因组研究中的进展与挑战
被引量：
3
2
作者
宫祥瑞
蒋滢
机构
北京航空航天大学化学学院
北京航空航天大学仿生智能界面科学与技术教育部重点实验室
北京航空航天大学软物质物理及其应用中心
北京航空航天大学北京生物医学工程高精尖创新中心
出处
《高分子学报》
SCIE
CAS
CSCD
北大核心
2022年第11期1287-1300,共14页
基金
国家自然科学基金(基金号22073004)资助项目。
文摘
机器学习对高分子材料基因组的研究与发展有着重要作用.它通过对高分子材料结构描述符的设计与筛选、材料数据库的完善以及聚合物分子结构标识符的发展等方法,有效地构建分子链的化学组成、构象与其聚集态结构、宏观性能之间的联系.本文梳理了近几年机器学习方法在高分子材料科学领域的研究进展,总结了一些常用机器学习算法的应用与研究成果,同时,也针对算法所需的数据量较大等问题,特别指出了应对数据量较少或是数据成本昂贵时的解决方案.根据当前研究进展,整理了机器学习方法在高分子材料科学领域中应用的难题与挑战.
关键词
高分子材料基因组
机器学习
结构与性能关系
目标性能预测与优化
多目标优化
Keywords
polymer
material
genomes
Machine
learning
Relations
between
structures
and
properties
Prediction
and
optimization
of
target
properties
Multi-objective
optimization
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TQ317 [自动化与计算机技术—控制科学与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
高分子材料基因组研究进展
应斐儿
高梁
林嘉平
杜磊
《功能高分子学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
机器学习在高分子材料基因组研究中的进展与挑战
宫祥瑞
蒋滢
《高分子学报》
SCIE
CAS
CSCD
北大核心
2022
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
