Browsing by Author "Lin, Yang-Che"

Now showing 1 - 1 of 1

分析機器學習對化學材料的應用
(2025) 林仰徹; Lin, Yang-Che
近幾年，機器學習（ML）正迅速改變化學領域的研究方式，藉由使用這種數學工具，我們能夠在大量的資料中，對化學材料的性質進行預測、探索，甚至以此進行逆向設計等各種化學空間的應用。在本篇論文中，我們簡單分析了目前現有的機器學習方法，包括監督式學習（Supervised Learning）、非監督式學習（Unsupervised Learning）、半監督學習（Semi-supervised Learning, SSL）、強化學習（Reinforced Learning），及自監督學習（Self-supervised Learning），並探討上述方法在目前化學材料領域中的挑戰扮演之重要角色。此外，由此發展之深度學習（Deep Learning）與主動學習（Active Learning），進一步擴展了機器學習處理複雜結構的能力，有效降低資料取得的成本，相對於機器學習，亦展現出不凡的效果。接著在實務方面，在後續章節我們會介紹機器學習在預測材料性質（如能隙、吸附能、熱導率等）、材料分類、催化劑設計及高熵材料探索之應用，以及在應用方法前，對原始資料的前處理，與針對不同情境所使用的任務類型，如迴歸、分類、聚類與生成建模。本篇分析中也深入分析了機器學習在化學材料領域中之挑戰，如資料稀缺與品質不一、模型的解釋性及泛化性不足、結果的可合成性等。最後，我們概述了新興趨勢與未來發展方向，包括基礎模型、自動化實驗系統，以及以資料為核心的研究策略。此分析論文期以提供基本概念及有結構的入門指引，協助推動機器學習驅動之化學材料科學研究之參考資源。