杜克科研课题：利用机器学习的纳米材料合成预测

杜克科研课题

利用机器学习的纳米材料合成预测

课题简介

纳米材料，即在三维空间中至少一个维度的尺寸小于100纳米的先进材料。在纳米尺度下，量子限域效应以及表面效应广泛存在，因此，纳米材料具有特殊而优异的光、电、磁等性质。但是因其性质对于尺寸和形状的敏感性，在合成阶段对于纳米材料尺寸和形状的控制显得至关重要。然而，由于化学反应的复杂性，研究人员往往只能对纳米材料的尺寸进行粗糙的控制。

本课题旨在利用近年来快速发展的机器学习技术对纳米材料的合成进行预测。输入反应物浓度、pH值、温度等基本的反应条件后，利用训练后的神经网络矩阵进行处理并输出反应产物的形貌，实现对于特定尺寸和形貌的纳米材料的精确合成。

 

科研方法

AI+X数据驱动型科研

AI＋X数据驱动型科研是指使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

---

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

1. 英文：
（1）具备基本的学术英语阅读能力；
（2）接触过英文写作，有论文写作经验者更佳；

 

2. 数学：
（1）对数学的基础知识和概念有一定的认识

 

3. 计算机：
（1）Python 编程基础
（2）以Pybrain库为主的神经网络技术基础

 

4. 物理与化学
（1）对物理和化学的基础知识和概念有一定的认识