新进展！开发出寻找新型磁性材料的新方法
美国艾姆斯国家实验室（Ames National Laboratory）的科研人员开发出一个新的机器学习模型，该模型可预测新材料组合的居里温度（材料保持磁性的最高温度），用于寻找不含关键元素的永磁材料。 科研人员使用居里温度的实验数据和理论模型来训练机器学习算法，并从基于铈、锆和铁的化合物（Zr1-xCex）Fe2体系中选择了（Zr0.16Ce0.84）Fe2和（Zr0.94Ce0.06）Fe2两种成分测试该模型。测试结果表明，该模型成功预测了候选材料的居里温度，这一研究成果为寻找具有高居里温度、含有较少关键元素的高性能永磁材料创造了条件。相关研究成果发表在《材料化学》（Chemistry of Materials）期刊上。 本文摘自国外相关研究报道，文章内容不代表本网站观点和立场，仅供参考。......阅读全文
磁性材料的居里温度测量实验
里温度是指材料可以在铁磁体和顺磁体之间改变的温度，即铁电体从铁磁性转变成顺磁性的相变温度，不同材料的居里温度时不同的。磁性材料的居里温度测量仪 型号：FMD3168本次实验通过测定磁化强度随温度变化，用函数拟合的方法找出电压变化zui快的温度，作为测定样品的居里温度，zui后对本实验进行了讨论。FM
机器学习模型预测中风？
中风的诊断可能很棘手，因为患者并不总是表现出典型的症状，而且其他疾病也可能模仿它。研究人员利用现有数据开发了一种机器学习模型，可以准确预测中风，并可能使诊断变得更容易。诊断错误是一个主要的公共卫生问题，造成了可预防的病人伤害和卫生超支。由于诊断错误而导致的可预防的中风死亡比误诊的心脏病发作要常见30
准确率达95％－机器学习预测复杂新材料合成
据22日发表在《科学进展》杂志上的一项研究，美国西北大学和丰田研究所研究人员已成功应用机器学习来指导新纳米材料的合成，消除与材料发现相关的障碍。这种训练有素的算法，可通过定义数据集来准确预测可用于清洁能源、化学和汽车行业燃料的重要催化剂。 论文通讯作者、美国西北大学纳米技术专家查得·米尔金此次
机器学习模型可识别乳房病变风险
美国研究人员近日在《放射学》杂志线上版发表文章称，他们开发出一种机器学习工具，可以确定哪些高危乳房病变可能会变成癌症，从而帮助医生作出正确的治疗决策，减少不必要的手术。 乳房病变是一种女性常见疾病，而高危乳房病变有很大几率转变成癌症。正是由于这种风险，手术切除病变组织通常被认为是首选治疗
机器学习模型创建定制气味和香水
目前，人们仅根据气味剂的物理化学特征来预测嗅觉印象。但是，该方法无法预测传感数据，而传感数据对于产生气味是必不可少的。为了解决这个问题，日本东京工业大学研究人员采用了逆向思维的创新策略，不是根据分子数据预测气味，而是根据气味印象预测分子特征。这是使用标准质谱数据和机器学习模型实现的。研究成果发表在最
瑞典发现常温磁性量子新材料
瑞典查尔姆斯理工大学研究人员展示了一种常温二维磁性量子材料。此前，此类材料仅能在极低温实验室环境中展示。该材料基于铁基合金（Fe5GeTe2）和石墨烯开发，具备单原子厚度，可用作自旋极化电子的源和检测器，在超快速、低功耗传感器应用以及先进磁存储和计算方面具有广泛的应用价值。该材料可用于下一步发展
向皮肤学习起皱的新材料
在水母、鱿鱼和人类皮肤的启发下，化学家创造出了能够随着环境变化而改变颜色和质地的材料。 鱿鱼和水母的皮肤与人类的皮肤有什么共同点？这三种材料都为一些化学家带来了灵感，使他们创造出能够随着环境变化而改变颜色和质地的材料。这些材料能够用来为秘密信息加密，制造抗反光表面，或是检测环境湿度或产品损伤。
机器学习模型首次在太空检测云层变化
原文地址：http://news.sciencenet.cn/htmlnews/2023/8/505829.shtm
机器学习加速探索材料的开发
设计空间几何增长是材料设计中的一大挑战。机器学习（ML）加速探索材料设计已经开始在的这一挑战中发挥作用，并显著提高了发现材料的效率。然而，这个流程暗含了密度泛函理论（DFT）产生的训练集的统计上的偏见。并且，在使用高通量计算产生训练集的时候，大量的计算会失败。这种情况对于一些有趣的，例如含有自由
铁磁材料居里温度测试实验仪功能作用
磁性材料在电力、通讯、电子仪器、汽车、计算机和信息存储等域有着十分广泛的应用，近年来已成为促新技术发展和当代文明步不可替代的材料，因此在大学物理实验开设关于磁性材料的基本性质的研究显得尤为重要。居里温度是表征磁性材料基本性的物理量．反映了磁性材料由铁磁性转变为顺磁性的相变温度． 本实验仪器根据铁
新技术构建机器学习模型可预测玉米株高
近日，中国农业科学院生物技术研究所玉米功能基因组团队与作物代谢调控与营养强化团队合作，首次对玉米自交系全生育期进行全自动高通量无损监测，深入解析了玉米株高形成的动态遗传基础和调控网络，并通过机器学习构建了株高的智能预测模型。该研究为玉米表型精准鉴定、重要基因克隆和株型改良提供了有效策略和新的基因资源
机器学习模型有望提前五年预测白血病
《自然》上发表了一项重磅研究：一个由来自全球多家科研机构的白血病科学家组成的研究小组使用血液检测和机器学习技术，来预测健康个体是否有患急性骨髓性白血病（AML）的风险。这项研究意味着我们可以提早发现AML的高风险人群并进行监测，同时可以进行研发，寻找降低该疾病患病几率的方案。急性骨髓性白血病（AM
机器学习模型可准确预测农药在植物根系累积量
近日，中国农业科学院植物保护研究所农药应用风险控制创新团队先后在Environmental Science & Technology和Journal of Hazardous Materials上发表研究论文。他们首次利用机器学习模型直接预测植物根部从土壤中吸收累积农药等有机污染物的量，
利用机器学习构建新型物理约束的大涡模拟模型
大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在着诸多不足，例如既有的模型很难兼顾强数值稳定性以及高保真性，这样会导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路一
稀磁性半导体的研究进展
从根本上说主要是由于自旋电子之间的交换作用使得磁性半导体具有磁性。经常用于解释磁性半导体的磁性起源的交换作用模型有描述绝缘体中磁性的直接交换作用和超交换作用、载流子媒介交换作用和描述部分氧化物中掺杂磁性的束缚磁极化子模型。传统铁磁金属之间的铁磁耦合用直接交换作用机制来描述，而金属氧化物、硫化物、氟族
利用机器学习构建新型物理约束的大涡模拟模型研究
大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足，例如既有模型难以兼顾强数值稳定性以及高保真性，导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路是大涡模拟研
1+1=10－新材料韧性和弹性强强组合
科技日报北京2月22日电（记者张梦然）据最新一期《自然·材料》报道，美国研究人员已经创造出一种可拉伸且非常坚韧的新材料。新材料属于更广泛的离子凝胶类别，离子凝胶是一种聚合物网络，含有在室温下呈液态的盐,这些盐被称为离子液体。北卡罗来纳州立大学化学与生物分子工程教授迈克尔·迪基及其合作者制造出了接近7
人工智能机器人居然能开发新材料？
柯蒂斯·柏林盖特是一名材料学家，在加拿大英属哥伦比亚大学工作时，他曾要求研究生改进太阳能电池中的关键材料，以提高其导电性。 他在这一过程中发现，潜在的调整变量数量繁多，不同变量可产生千万种可能。比如加入微量金属和其他添加剂可以改变加热和干燥时间。艾达是一台由人工算法驱动的机器人，可以帮助英属哥
利用机器学习构建新型物理约束的大涡模拟模型获进展
大涡模拟作为当前及未来主流的湍流模拟方法被广泛应用于航空、航天及海洋工程等国家战略科技领域，而大涡模拟模型和方法是大涡模拟研究的核心基础。传统的大涡模拟模型方法存在诸多不足，例如既有模型难以兼顾强数值稳定性以及高保真性，导致湍流模拟的误差过大或者计算发散等问题。因此，探索新的建模思路是大涡模拟研
振动样品磁强计的应用
振动样品磁强计最初是由弗尼尔（S.Foner）提出的。他对磁强计的结构，各种探测线圈及其对灵敏度的影响都作了详细的论述。经过约半个世纪的发展，如今 VSM 已是磁性实验室中应用范围很宽的测试设备，自从锁相放大技术开始在 VSM 上得到应用以来，使其灵敏度得到了极大范围的提升，适用范围也不断得到拓
机器学习模型对阿尔茨海默病的预测风险进行排序
根据最近的一项研究，一旦个人达到65岁，也就是阿尔茨海默病的发病门槛，他们的遗传风险可能在决定他们是否会患上这种致命的大脑疾病方面发挥更大的作用，而不仅仅是他们的年龄。最近发表在《科学报告》杂志上的这项研究利用机器学习模型对患阿尔茨海默病的风险因素进行排序。这是通过使用遗传风险分数、非遗传信息和近5
机器学习模型嗅觉水平竟已达到和人类相媲美的程度
近日，英美科学家新设计的机器学习模型已达到与人类嗅觉水平相媲美的程度，能用语言描述化学物质的气味。研究人员用它“描绘”了与数百种化学结构相对应的气味图，例如“果味”或“青草味”。这张指南图可帮助研究人员设计新的合成气味，并可能提供有关人脑如何解读气味的新见解，意味着向气味数字化又迈近了一步。
磁铁的磁性究竟来源于哪里？（三）
磁铁的磁性随着温度究竟会发生什么变化？早在量子力学大厦落成之前，两位名叫皮埃尔的法国物理学家就对此问题进行了定量的实验研究，一个叫皮埃尔?外斯，另一个叫皮埃尔·居里。没错，就是他，帅帅的居里夫人老公—— 居里本尊！1885—1889 年间，皮埃尔•居里还是巴黎市立理化学校的一名普通教师，为了
物理所新型铁磁马氏体相变材料研究取得新进展
铁磁马氏体相变材料具有磁驱大应变、磁驱形状记忆、磁驱超弹性、大磁电阻、大磁熵变、相变相关霍尔效应、相变相关交换偏置等丰富的物理行为，成为当今凝聚态物理和材料科学的研究热点之一。在传统马氏体相变中，体系通过非扩散、位移型晶格切变而发生一级马氏体相变，其诱发因素通常为温度和应力。铁磁马氏体相变材料发
美合成可替代稀土的磁性纳米材料－有望降低对稀土依赖
美国弗吉尼亚联邦大学的一个研究小组宣称，他们合成出一种新型磁性材料，在磁性方面可媲美稀土制传统永磁材料，有望降低工业生产中对稀土资源的依赖。负责此项研究的弗吉尼亚联邦大学物理和人文学院教授希夫·卡纳说，该发现开辟了一条人工新材料赶超传统永磁材料的全新路径。相关论文发表在最新一期《应用物
机器学习模型从肠道微生物群预测癌症免疫治疗反应
“研究结果表明，机器学习模型可以揭示微生物群-免疫疗法的相互作用，最终可能改善癌症患者的预后。” 纽约州布法罗- 2022年7月19日-一篇新的研究论文于2022年7月19日发表在Oncotarget杂志上，题为“使用机器学习模型预测肠道微生物群的癌症免疫治疗反应”。“在过去的十年中，使用靶向免疫
机器学习能够有效筛选“苦味”
苦味往往在食物味道中并不受欢迎，而引起这种苦味的重要因素之一是一种生物分子—苦味肽。苦味肽是能够与细胞膜上的苦味受体结合进而引发苦味感知的一类小分子肽，通常在食品加工、储存或消化过程中生成。近日，中国科学院大连化学物理研究所研究员靳艳团队与大连工业大学、内蒙古伊利实业集团有限公司合作，发展了一种
半导体所等关于磁性半导体(Ga,Mn)As的研究获得进展
最近，《纳米快报》杂志报道了中科院半导体研究所超晶格室赵建华研究员和博士生陈林将磁性半导体(Ga,Mn)As居里温度提高到200K的研究成果，此项工作是与杨富华研究组以及美国佛罗里达州立大学Stephan von Molnár教授和熊鹏教授研究组合作完成的。 (Ga,Mn)A
物理所等发现多拓扑态宽温区磁性斯格明子
磁性斯格明子（Magnetic Skyrmion）是一种具有手性自旋的纳米磁畴结构单元。由于它具有拓扑保护性、低驱动电流密度（比驱动传统畴壁低5～6个数量级），以及磁场、温度和电场等多物理作用调控的特性，磁性斯格明子被认为是未来高密度、高速度、低能耗信息存储器件的核心材料。然而，目前大部分磁性斯
物理所等利用机器学习方法预测材料性能获进展
近二十年来，机器学习方法的发展为我们的生活带来许多便利。智能网络搜索、语音识别，乃至无人超市、无人驾驶汽车等，依托于机器学习方法的新事物正迅速地在生活中普及。Alpha Go的横空出世更让世界惊叹于人工智能的潜在价值。在科研领域，大数据的理念正在改变着科研人员对未知世界的探索方式。美国在2011