情感分析也能加速科學發現？UNSW攜手律動團隊開發新ML算法預測納米材料合成新路徑

AIGC動態歡迎閱讀

原標題：情感分析也能加速科學發現？UNSW攜手律動團隊開發新ML算法預測納米材料合成新路徑
關鍵字：觀點,研究人員,材料,模型,情感
文章來源：人工智能學家
內容字數：14764字

內容摘要：

來源：ScienceAI
作者：UNSW AI4Science團隊
編輯：ScienceAI
科學文獻蘊含了未來應用的寶貴信息，然而，手動分析受限于規模和學科限制，面臨挑戰。對于這一挑戰的普遍解決方法是自然語言處理（NLP）技術，比如信息檢索（information retrieval）。
但是，現有的自動化系統往往只提供基于統計的淺層信息，缺乏可追溯的深層見解，無法提供高質量且可靠的分析。如何高效整合實驗科學經驗，加速材料合成路徑預測呢？
為此，澳大利亞新南威爾士大學的 Bram Hoex 教授 UNSW AI4Science 團隊， GreenDynamic 律動與香港城市大學揭春雨教授團隊歷時三年，首次提出「科學情感網絡」（Scientific Sentiment Network，SSNet）。該模型能夠基于情感對科學經驗進行量化，同時提取材料結構及合成參數等信息，從而指導材料合成和預測，未卜先知。
數據顯示，該模型不僅超越了現有的熱電材料預測算法模型準確度，且在千萬種材料中預測出適合原子層沉積法（ALD）合成的納米材料，成功得到實驗室驗證。
繼該成果技術核心于去年Neur

原文鏈接：情感分析也能加速科學發現？UNSW攜手律動團隊開發新ML算法預測納米材料合成新路徑

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構