机器学习辅助燃料分子设计
摘要:燃料的理论设计一直是推进技术领域的研究重点,可以有效避免复杂的实验和潜在的危险,指导燃料合成并与实验结果相互验证,对新一代燃料开发至关重要。然而,基团贡献法和量子化学方法等传统的计算方法存在准确性差和效率低的缺陷。机器学习的快速发展,为设计和开发潜在高能燃料开辟了新的途径,在性质预测和分子设计两个关键环节均展现了强大的能力。本综述首先介绍了几种用于机器学习的燃料分子描述方式,分别对用于燃料性质预测和分子设计的不同机器学习模型进行简要介绍。进一步对机器学习辅助燃料性质预测和新型燃料分子设计的研究现状进行了归纳总结。最后,探讨了机器学习在燃料应用领域所面临的挑战及后续发展方向。





