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。
金属研究与人工智能的未来
由韩国浦项科技大学材料科学与工程系、黑色金属与生态材料技术研究生院的hyyoung Seop Kim教授以及材料科学与工程系的在读博士Jeong Ah Lee所在的研究小组最近与巴西吉拉斯州米纳斯联邦大学冶金与材料工程系的Figueiredo教授合作，开发了一种最优的人工智能模型来预测各种金属的屈服强度，有效地解决了传统金属研究中的时间和成本限制。该研究结果近日在线发表于国际金属与材料工程杂志Acta Materialia。
中国科大在调控有机拓扑材料拓扑相变方面取得重要进展
中科大化学物理系杨金龙院士团队李星星课题组在调控有机拓扑材料拓扑相变方面取得重要进展：通过在二维有机拓扑材料中的有机配体上发生互变异构反应来诱导体系产生拓扑相变。相关成果以“Tautomerization Makes Topological Phase Transition in Two-Dimensional Organometallic Lattices”为题发表于国际知名期刊Advanced Functional Materials上。
