인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
Abstract For a “Carbon Neutrality” society, electrochemical energy storage and conversion (EESC) devices are urgently needed to facilitate the smooth utilization of renewable and sustainable energy where the electrode materials and catalysts play a decisive role. However, the efficiency of the current trial‐and‐error research paradigm largely lags behind the imminent demands of EESC requiring increasingly improved performance. The emerged machine learning (ML), a subfield of artificial intelligence, is capable of evaluating and analyzing big data for hidden rules. In this regard, the relationships between the structure and performance of the key materials can be more efficiently revealed, which fundamentally revolutionizes the material research manner of the current EESC devices. In this review, the typical ML algorithms utilized in EESC development are first introduced. Then, focused attention has been paid to multiple aspects of applying ML to reshape the materials research for EESC. In addition to highlighting the emerging prospect, the challenges which are still hindering the further development of this emerging field are also discussed. image
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
