في هذا القسم، يؤكد المؤلفون على أهمية فهم نطاق التطبيق لنماذج التعلم الآلي لضمان دقة وموثوقية توقعاتهم. يقدمون نهجًا جديدًا لتقييم نطاقات النماذج، والذي يستخدم تقدير كثافة النواة لتقييم المسافة بين نقاط البيانات في فضاء الميزات. هذه الطريقة تحدد بفعالية حدود النطاق عبر أنواع النماذج المختلفة ومجموعات بيانات خصائص المواد. تكشف النتائج أن المجموعات الكيميائية،…

تُعرف سبائك عالية الانتروبيا (HEAs) بشكل متزايد بإمكاناتها كعوامل حفازة، وذلك بفضل تركيباتها وهياكلها المتنوعة التي تسمح بخصائص حفازة قابلة للتعديل. ومع ذلك، فإن تعقيد HEAs يمثل تحديات كبيرة للطرق التجريبية والحسابية التقليدية، مثل أساليب التجربة والخطأ والحسابات الأولية التي تتطلب موارد كبيرة. تقدم التعلم الآلي (ML) حلاً واعدًا من خلال تسهيل الخرائط الفعالة من…

يتناول القسم المعنون “نظرة عامة” التصميم الموجه للتطبيقات لنماذج التعلم الآلي المصممة خصيصًا لعلم البطاريات. ويؤكد على الحاجة إلى دمج تقنيات التعلم الآلي لتعزيز الفهم والأداء لأنظمة البطاريات. يسلط المؤلفون الضوء على منهجيات متنوعة يمكن استخدامها لتحسين تصميم البطاريات، وتوقع مقاييس الأداء، وتسهيل اكتشاف مواد جديدة. تشير النتائج الرئيسية إلى أن الاستفادة من التعلم الآلي…

يستعرض قسم “طرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. يوضح اختيار المشاركين، وتصميم التجارب، والتقنيات الإحصائية المستخدمة لتحليل البيانات. استخدم الباحثون مجموعة من الأساليب الكمية والنوعية لضمان فهم شامل للظواهر قيد التحقيق. تضمنت المنهجيات المحددة تجارب محكومة مع متغيرات محددة بوضوح، إلى جانب استبيانات لجمع بيانات ذات طابع شخصي من المشاركين. تم إجراء التحليلات الإحصائية…

تقدم هذه الفقرة نظرة عامة على التأثير الكبير لتقنيات الذكاء الاصطناعي (AI)، وخاصة معالجة اللغة الطبيعية (NLP)، على علم المواد. تسلط الضوء على كيفية تمكين مجموعات البيانات الموصوفة جيدًا من الأدبيات العلمية لأدوات الذكاء الاصطناعي من تعزيز أبحاث المواد من خلال تسهيل استخراج البيانات تلقائيًا، واكتشاف المواد، ومنهجيات البحث المستقلة. تؤكد المراجعة على التقدم الذي…

يتناول هذا القسم من ورقة البحث الإمكانيات التي توفرها نماذج اللغة الكبيرة (LLMs) كجزء من نماذج الأساس في تقدم اكتشاف المواد. يستعرض المؤلفون التطبيقات الحالية لهذه النماذج، لا سيما في توقع الخصائص، وتخطيط التركيب، وتوليد الجزيئات. ويؤكدون على أهمية تطوير طرق التقاط البيانات ودمج أنماط البيانات المتنوعة، والتي من المتوقع أن تشكل مستقبل هذا المجال.…

في هذا القسم، يناقش المؤلفون التقدم في تعلم الآلة لتوقع الإمكانيات بين الذرات، والتي تعتبر حاسمة لمحاكاة الديناميكا الجزيئية (MD) في علم المواد الحاسوبي. يقدمون الشبكة العصبية البيانية المتساوية الفعالة (E²GNN)، المصممة لتعزيز كل من الدقة والكفاءة في توقع القوى والإمكانات بين الذرات لمختلف الأنظمة، بما في ذلك المحفزات والإيزومرات العضوية. على عكس النماذج التقليدية…