情感分析也能加速科学发现？UNSW携手律动团队开发新ML算法预测纳米材料合成新路径

AIGC动态欢迎阅读

原标题：情感分析也能加速科学发现？UNSW携手律动团队开发新ML算法预测纳米材料合成新路径
关键字：观点,研究人员,材料,模型,情感
文章来源：人工智能学家
内容字数：14764字

内容摘要：

来源：ScienceAI
作者：UNSW AI4Science团队
编辑：ScienceAI
科学文献蕴含了未来应用的宝贵信息，然而，手动分析受限于规模和学科限制，面临挑战。对于这一挑战的普遍解决方法是自然语言处理（NLP）技术，比如信息检索（information retrieval）。
但是，现有的自动化系统往往只提供基于统计的浅层信息，缺乏可追溯的深层见解，无法提供高质量且可靠的分析。如何高效整合实验科学经验，加速材料合成路径预测呢？
为此，澳大利亚新南威尔士大学的 Bram Hoex 教授 UNSW AI4Science 团队， GreenDynamic 律动与香港城市大学揭春雨教授团队历时三年，首次提出「科学情感网络」（Scientific Sentiment Network，SSNet）。该模型能够基于情感对科学经验进行量化，同时提取材料结构及合成参数等信息，从而指导材料合成和预测，未卜先知。
数据显示，该模型不仅超越了现有的热电材料预测算法模型准确度，且在千万种材料中预测出适合原子层沉积法（ALD）合成的纳米材料，成功得到实验室验证。
继该成果技术核心于去年Neur

原文链接：情感分析也能加速科学发现？UNSW携手律动团队开发新ML算法预测纳米材料合成新路径