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。
