社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

#深度学习# 【科学家为材料设计打造深度学习框架,无需先验知识,-20240402204014

麻省理工科技评论 • 1 年前 • 528 次点击  

2024-04-02 20:40

#深度学习# 【科学家为材料设计打造深度学习框架,无需先验知识,实现热辐射器的材料选择和参数优化】

近日,#华中科技大学# 胡润教授团队基于深度强化学习,成功搭建了一款可用于发射率工程的通用设计框架。

该框架解决了两个关键问题:

一是解决了涉及材料选择的大优化空间设计效率低的问题,该框架可以在大优化空间内(~1010)同时进行材料选择和结构参数的优化,具有相当高的设计效率(仅需计算总结构数小于 15%)。

二是解决了不同目标光谱发射率下的通用性问题,该框架基于一个自建的材料候选库,可以根据不同的目标光谱发射率自主地选择材料和设计结构,而无需设计者的先验知识。

总的来说,本次工作在光子学和#机器学习# 的多学科领域具有重要价值,为纳米光子领域提供了一项有用的技术,推动了发射率工程的进一步发展。

本次提出的可用于发射率工程的通用深度学习框架,可以实现不同应用下的波长选择性发射器的高效优化设计,例如红外伪装、被动辐射制冷、气体检测和热光伏技术等。

由于此次框架具有强大的材料选择和结构优化能力,因此可以针对某一个应用目标提供多样化的结构参数,使得用户可以根据实际需要(材料种类、成本、可靠性等)选择最合适的参数来制备波长选择性发射器。

戳链接查看详情:科学家为材料设计打造深度学习框架,无需先验知识,实现热辐射器的材料选择和参数优化
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/168644
 
528 次点击