机器学习方法加速镁合金设计研究
近日，澳洲国立大学N. Birbilis教授和莫拉什大学M. Ghorbani博士等人对过往镁合金设计领域的数据进行了详细分析和重构，提出了一种基于数据进行合金设计的新方法。在这项工作的第一部分研究中，作者首先从文献和实验工作中提取数据，开发了一个包含916个数据点的合金数据库。通过成分-工艺-性能矩阵，分析了数据库的特征，探讨了合金化和热加工对力学性能的影响。将合金数据库与热力学稳定的析出相相关联，以进一步分析微观结构与力学性能之间的关系。机器学习模型为加速新材料开发提供了新途径，为繁琐且资源密集型的经验方法提供了虚拟替代方案。
人工智能在材料领域的应用情况与近期成果
人工智能在材料领域的主要应用包括材料发现和设计、材料特性预测和模拟、材料制备和工艺控制、材料性能评估和优化、材料质量控制和缺陷检测等。
柔性传感器技术——汽车智能化发展的感知新动能
汽车传感器按照其应用的主要领域分为车身感知传感器和环境感知传感器两类。车身感知传感器主要用于获取胎压、车速等车身信息，可提高单车的信息化水平，使车辆具备感知自身状态的能力，从而作出决策并执行。环境感知传感器用于实现单车对外界环境的感知能力，帮助车辆获得环境信息并做出决策，为智能化自动化驾驶提供支持。
智能超材料与超材料智能
摘要：浙江大学陈红胜教授团队联合以色列理工学院Ido Kaminer教授团队以“A guidance to intelligent metamaterials and metamaterials intelligence”为题，在Nature Communications期刊发表综述论文，探讨了智能超材料与超材料智能的重大进展。浙江大学钱超研究员为第一兼通讯作者，陈红胜教授为通讯作者。
机器学习加速太阳能光催化剂的发现
基于结构-性能-活性关系的材料筛选是光催化研究中的一个热点问题。本文介绍了利用机器学习技术来辅助寻找太阳能光催化剂的前景。机器学习技术极大地促进了科学和工程领域的研究，包括多相催化、但在光催化研究中的应用还处于初级阶段，缺乏一致的训练数据是一个主要的瓶颈，作者预见将光催化领域的知识集成到传统的机器学习协议中是一个可行的解决方案，本文提出一个整合机器学习与领域知识的整体架构，以设定加速光催化剂发现的方向。本文首先讨论了光催化领域中的知识，这些知识可以用来与机器学习方法相结合。接着介绍了在多相催化领域中流行的机器学习实践，这些实践旨在以纯数据驱动的方式来帮助发现光催化剂。最后提出了用光催化领域知识来补充数据驱动机器学习的各种策略。这些策略包括：（1）在机器学习模型的训练过程中综合理论知识和先验经验知识，（2）将这些知识嵌入到特征空间中;以及（iii）利用现有的材料数据库来约束机器学习预测。（利用人类和机器智能）可能减轻与数据驱动的机器学习相关联的可解释性和可靠性的缺乏，这一概念还可以通过促进从传统的光催化信息学范式向传统的光催化信息学范式的转变，为光催化信息学提供实质性的好处。
又一全球钙钛矿巨头入局BIPV
2023年6月，杭州纤纳光电科技有限公司常务副总王卓奇在国际绿建大会介绍，纤纳光电作为全球知名的钙钛矿光伏技术、产业化领军企业，不断进行自身技术的开拓与迭代，公司推出的钙钛矿纤绘系列彩色组件适用于光伏建筑一体化、城市多能互补、建筑综合供能等低碳场景。
