AI+材料咋搞?  大数据技术遇到小数据现实时不外乎一是大规模生产数据，二是发展新算法、新架构

数据驱动的局限已显而易见，有效发挥知识的作用已提上议程。知识和数据咋双驱动?  仁者见仁

​从“数据–任务–架构”逻辑出发发展算法，知识在材料数据结构及关系梳理、材料数字化特征构建、小数据多目标任务规划、算法模型与数理模型融合等方面进行着力，能够建立起预测式设计物理模型与方法、直至工具软件包。这样不仅可以实现AI工具的效用，更是AI技术的“工具性”与材料研究的“科学性”目标统一

在材料领域，样本数据与材料的制造任务关联，在于提升产品质量及其性价比；而对象数据与材料的设计任务关联，在于扩展新材料的种类与功能。这是两个不同的任务，混而为一只能徒增问题的复杂性

著书立说是任务  赋能产业是目的

转载本文请联系原作者获取授权，同时请注明本文来自于剑科学网博客。

链接地址：https://wap.sciencenet.cn/blog-32670-1491993.html?mobile=1

收藏

分享