机器学习驱动的二维材料在能源和环境应用中的设计进展

本文综述了机器学习驱动二维材料设计在能源与环境领域的最新进展。背景方面，二维材料因其独特的物理化学性质在可持续技术中具有巨大潜力，但其巨大的设计空间使得传统方法面临高成本和低效率的挑战。研究目的旨在探讨机器学习如何通过数据驱动范式，实现二维材料的高通量筛选与理性设计，以应对能源存储、催化、传感及环境修复等应用需求。结论指出，机器学习在相关应用中已取得显著成果，但仍面临数据质量、模型可解释性及泛化能力等挑战，未来需发展标准化数据库、自动化机器学习及物理引导学习等方向，以推动材料创新范式的产业化应用。