近日，機(jī)械工程學(xué)院李少波教授團(tuán)隊(duì)在計(jì)算材料學(xué)領(lǐng)域國(guó)際頂級(jí)期刊、Nature子刊《NPJ computational materials》（5year IF=9.65）上發(fā)表了題為Generative adversarial networks (GAN) based efficient sampling of chemical composition space for inverse design of inorganic materials（用于無(wú)機(jī)材料逆向設(shè)計(jì)的基于生成對(duì)抗網(wǎng)絡(luò)的高效化學(xué)成分空間采樣方法）的研究論文。該成果以貴州大學(xué)為第一完成單位與通信單位，是我校在Nature子刊材料相關(guān)研究領(lǐng)域的一大突破。該成果由但雅波、李想、趙勇與其導(dǎo)師李少波教授共同完成，第一作者但雅波為我院今年應(yīng)屆畢業(yè)碩士研究生，研究得到了國(guó)家自然科學(xué)基金、貴州省科技項(xiàng)目等資助。

據(jù)悉，研究論文主要利用人工智能深度學(xué)習(xí)技術(shù)中的生成對(duì)抗神經(jīng)網(wǎng)絡(luò)技術(shù)通過(guò)對(duì)已知10萬(wàn)種無(wú)機(jī)化合物材料的化學(xué)分子式進(jìn)行大數(shù)據(jù)分析，提取學(xué)習(xí)了各種元素的原子組合成為穩(wěn)定化合物材料的隱性規(guī)則，從而可以自動(dòng)生成超大規(guī)模(千萬(wàn)級(jí))以上的潛在的新材料分子式配方。為進(jìn)一步的結(jié)構(gòu)預(yù)測(cè)、實(shí)驗(yàn)合成提供指導(dǎo)。該研究成果證明了我院大數(shù)據(jù)技術(shù)在材料信息學(xué)與智能制造領(lǐng)域具有一定的研究實(shí)力。

綠色為訓(xùn)練集已知材料；紅色為測(cè)試集的已知材料；藍(lán)色為發(fā)現(xiàn)的可能的新材料

人類已知的無(wú)機(jī)材料在可能的化學(xué)空間只是很小一部分