其他
北京大学潘锋教授AEM:在构建材料知识图谱研究方面取得进展
点击蓝字关注我们
随着数据挖掘技术的日益成熟,将其运用于材料科学研究已逐渐成为可能。这导致材料信息学这一新兴领域的出现。经过长时间的发展,大量的材料学术文献积累了丰富的科学成果,以文本形式散布在文献中的科学知识一般仍由研究人员手动收集和分析,这通常十分耗时且难以保证信息的完整度。如果将文献中的材料科学信息表示为结构化的知识,再结合知识关联、融合、推理等方法,构建材料知识图谱,可以使研究人员准确而又高效地获取信息,并对过往研究进行脉络梳理,对有潜力的材料进行剖析。材料知识图谱作为高效的知识管理载体,能够大规模地从海量材料科学文献中抽取信息,建立实体之间的对应关系,有助于阐明实体之间的内在关联,这将极大地促进我们对科学知识发展的宏观及全面理解。
基于此,北京大学深圳研究生院新材料学院潘锋教授课题组结合机器学习和依赖匹配算法,发展了一套高精度且高效的同名消歧以及信息搜索框架,在材料科学领域建立了主体(作者)与客体(材料)之间的对应关系(图1),构建了名为MatKG的材料知识图谱,并对锂离子电池正极材料LiFePO4进行自动化分析,生成其发展里程碑,追踪其研究趋势。知识图谱在材料科学中的应用将为材料研究领域提供一个高效的信息处理平台,MatKG可以提供自动化的材料科学领域的信息获取方式,有助于融合和完善各领域的材料科学知识。相关成果以“Construction and Application of Materials Knowledge Graph Based on Author Disambiguation: Revisiting the Evolution of LiFePO4”为题,近日发表在国际知名学术杂志《先进能源材料》(Advanced Energy Materials,DOI:10.1002/aenm.202003580,影响因子25)上。
图2.MatKG的构建流程图
图3.用于锂离子电池的LiFePO4的发展里程碑图
原文链接
https://onlinelibrary.wiley.com/doi/10.1002/aenm.202003580
相关进展
北京大学潘锋教授与中科院物理所李泓研究员等合作Joule:在富锂锰基正极材料的阴离子氧化还原机理研究方面取得进展
北京大学潘锋教授、孙俊良研究员Nat. Nanotechnol.:用3D电子衍射揭示高电压钴酸锂机理
北京大学潘锋教授Nat. Energy:在锂电池无钴层状正极材料取得重大进展
北京大学潘锋教授Nat. Sustain.:基于材料基因大数据研发的“未名材料解析系统”投入应用服务
免责声明:部分资料来源于网络,转载的目的在于传递更多信息及分享,并不意味着赞同其观点或证实其真实性,也不构成其他建议。仅提供交流平台,不为其版权负责。如涉及侵权,请联系我们及时修改或删除。邮箱:chen@chemshow.cn
扫二维码|关注我们
微信号 : Chem-MSE
欢迎专家学者提供化学化工、材料科学与工程产学研方面的稿件至chen@chemshow.cn,并请注明详细联系信息。化学与材料科学®会及时选用推送。