• Treffer 3 von 185
Zurück zur Trefferliste

Accelerated Materials Discovery Based on Data Analysis and Machine Learning

  • The stability of materials is a very important property for materials discovery. In recent years, we have explored several approaches for advancing the prediction of the stability of crystals (e.g., classical chemical heuristics and machine-learned interatomic potentials). For example, we have assessed a famous chemical heuristic – the Pauling rules – regarding their usefulness for structure prediction. They are only of limited predictive power, i.e. the rules 2 to 5 only work for 13 % of all tested oxides. Furthermore, we have shown that machine-learned interatomic potentials can be used to predict phonon properties of a range of silicon allotropes accurately and, therefore, they can also be used to assess the dynamic stability of materials. To do so, we have developed new schemes to build reference databases for machine learned interatomic potentials.

Volltext Dateien herunterladen

  • George_30_11_2021.mp4
    deu

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Janine GeorgeORCiD
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Deutsch
Jahr der Erstveröffentlichung:2021
Organisationseinheit der BAM:6 Materialchemie
6 Materialchemie / 6.0 Abteilungsleitung und andere
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Data analysis; High-throughput computations; Machine learning
Themenfelder/Aktivitätsfelder der BAM:Material
Material / Materialdesign
Veranstaltung:PACRIM & GOMD 2021
Veranstaltungsort:Online meeting
Beginndatum der Veranstaltung:13.12.2021
Enddatum der Veranstaltung:16.12.2021
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:20.12.2021
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.