北京科技大学谢建新&宿彦京团队：人工智能助力材料科学——可解释机器学习的新进展 | Adv. Funct. Mater.

本文综述了北京科技大学谢建新和宿彦京团队在《Advanced Functional Materials》上发表的研究，探讨了可解释机器学习在材料科学中的应用。研究背景指出，传统机器学习模型被视为“黑箱”，难以解释，限制了其在材料科学中的应用。研究目的是通过将材料知识与机器学习相结合，提高模型的泛化能力和预测精度，加速新材料的发现。研究结论表明，可解释机器学习不仅揭示了材料性能背后的物理和化学原理，还为新材料的设计和开发提供了新的方法和思路，有望推动材料科学进入智能化时代。