综述 | 更新时间:2023-03-08
    • 机器学习方法在高分子玻璃化研究中的应用

    • Applications of Machine Learning Methods in the Studies of Polymer Glass Formation

    • 杨镇岳 ,聂文建 ,刘伦洋 ,徐晓雷 ,夏文杰 ,徐文生
    • 高分子学报 2023年54卷第4期 页码:432-450
    • 作者机构:

      1.中国科学院长春应用化学研究所 高分子物理与化学国家重点实验室 长春 130022

      2.Department of Civil, Construction and Environmental Engineering, North Dakota State University, Fargo, North Dakota 58108

    • 作者简介:

      夏文杰,男,1988年生. 美国北达科他州立大学教授,博士生以及博士后导师,2011年于美国凯斯西储大学本科毕业,2016年于美国西北大学博士毕业. 2016~2018年于国家标准与技术研究院(NIST)的材料基因组计划(MGI)从事博士后研究. 研究工作得到美国国家自然科学基金委(NSF)、美国海军(ONR)、美国陆军(ARO)、美国国家航空航天局(NASA)多个州和地方机构资助. 曾获得多项荣誉和奖项,包括NDSU工程学院早期职业研究卓越奖(2022年)、NIST-MML技术卓越奖(2019年)、MGI奖学金、APS Padden候选人奖(2016年)以及国家优秀留学生奖学金(2015年). 在高分子科学和计算材料等领域发表超过65篇文章以及书籍著作,包括《Science Advances》《Matter》《Advanced Functional Materials》《ACS Nano》《Nano Letters》等. 主要研究方向为通过计算力学和多尺度模拟设计复杂材料.

      徐文生,男,1984年生. 研究员,博士生导师,获国家自然科学基金优秀青年科学基金资助. 2007年毕业于天津大学材料科学与工程学院,获工学学士学位;2012年毕业于中国科学院长春应用化学研究所高分子物理与化学国家重点实验室,获理学博士学位;2013~2018年先后在美国芝加哥大学和美国橡树岭国家实验室从事博士后研究;2019年至今在中国科学院长春应用化学研究所高分子物理与化学国家重点实验室任研究员. 主要从事非晶高分子动力学的理论研究,利用统计理论、计算机模拟和机器学习等方法研究高分子玻璃化的物理机制.

    • DOI: 10.11777/j.issn1000-3304.2022.22367     

      中图分类号:
    • 修回:2022-11-17 ,

    移动端阅览

  •  
  •  
  • HTML全文

  • 图( 7 ) 表( 1 )

  • 参考文献

  • 出版信息

  • 数据统计

论文导航
icon
试读结束,您可以激活您的VIP账号继续阅读。
去激活 >
icon
试读结束,您可以通过登录账户,到个人中心,购买VIP会员阅读全文。
已是VIP会员?
去登录 >

3017

浏览量

3575

下载量

1

CSCD

文章被引用时,请邮件提醒。
提交
工具集
  • BibTeX下载
  • Endnote下载
  • RefMan 下载
  • NoteExpress下载
  • NoteFirst下载

相关文章

基于应力-应变曲线的机器学习预测聚乙烯和聚丙烯力学性能
基于数据挖掘与领域知识分层特征构建的 Diels-Alder聚氨酯性能预测与构效解析
机器学习在高分子材料基因组研究中的进展与挑战
高分子材料基因组——高分子研发的新方法
静电纺丝制备聚乳酸/聚苯胺杂化纤维膜与性能

相关作者

夏文杰
聂文建
蒋世春
张乐康
李景庆
门永锋
李宏飞
卢影

相关机构

Department of Civil, Construction and Environmental Engineering, North Dakota State University, Fargo, North Dakota
中国科学院长春应用化学研究所 高分子科学与技术全国重点实验室
天津大学 材料科学与工程学院
东华大学材料科学与工程学院 先进纤维材料全国重点实验室
北京航空航天大学,北京生物医学工程高精尖创新中心