材料研究中的机器学习：过去十年的发展和未来的挑战
本文回顾了过去十年中机器学习（ML）在材料科学研究中的发展，并探讨了未来的挑战和机遇。文章分析了在材料科学中应用机器学习时最常用的工具，包括软件、数据库、材料科学方法和机器学习方法，并指出尽管深度学习技术在增长，传统的机器学习技术仍然占据主导地位。本文还展示了在材料科学基准测试matbench上，形成焓预测的最佳分数随时间的进展，并特别强调了从使用传统机器学习的特征方法到使用图神经网络技术的转变，实现了7倍的错误降低。最后，文章提出了对未来挑战和机遇的看法，重点关注数据规模和复杂性、外推、解释性、获取和相关性等方面。
中国工程院发布新一代信息工程科技新质生产力技术备选清单(2024)
摘要：9月27日，中国工程院信息与电子工程学部、中国信息与电子工程科技发展战略研究中心在北京和香港同步发布“新一代信息工程科技新质生产力技术备选清单（2024）”。
镁基固态储氢材料研发与应用最新进展
摘要：镁基储氢材料具有高储氢密度、低成本和高安全性等特点，作为解决氢储运的重要解决方案之一受到广泛关注。然而，脱氢温度高、平衡压力低、吸放氢速率慢，阻碍了它们的实际应用。本文首先概述了通过复合化、掺杂催化剂、合金化和纳米化等策略提高储氢材料热力学和动力学性能的机理，研究了可能实现镁基储氢材料突破的前沿工艺。然后，本文讨论了多目标性能的协同优化在未来镁基储氢材料的发展和应用方向，旨在促进多相、多元体系的开发效率。最后，本文总结了每种方法的优势和局限性，提出了实现脱氢温度适中、储氢密度高、循环寿命长的储氢材料的潜在策略。
