机器学习方法将在化学和材料公司中普遍存在

未来，所有材料科学家和化学家都将可以使用机器学习工具来增强其研发能力。无缝集成这些基础操作将不会很快发生，但是忽略材料信息学的发展将导致失去任何竞争优势。

材料信息学(MI)是材料科学和某些化学研发的以数据为中心的方法。毫无疑问，这将是研究科学家工具包中的一种常用方法，并且在所有开发中都将采用某种形式的MI技术，而不是抢占头条新闻。MI的关键在于数据基础架构的集成，实现和操纵，以及为化学和材料数据集设计的机器学习方法。

对此有大量证据，但最好的是来自该行业的响应方式。近年来，已经开展了大量活动，包括合作伙伴关系，投资以及一些最著名的化学和材料公司的公告。下图概述了这些内容，其中显示了这些标题的快照。一个以前的文章中强调了为什么这种采用情况正在发生。

机器学习本身可以用于多个不同的项目中，包括寻找新的结构-特性关系，提出新的候选者或过程条件，减少昂贵且费时的计算机仿真的次数等等。机器学习方法可以采取多种形式的有监督和无监督的学习方法。生成模型可以有效地筛选出有机化合物的最佳产量，而即使是简单的修改后的随机森林模型也可以用于提出后续反应以满足所需的一组标准。这仍处于早期阶段，需要更多的开发。人工智能的现有发展可以利用很多东西，但整合专业领域知识并应对材料数据集的独特挑战至关重要。

应用空间广阔，研究表明，从有机金属，热电，纳米材料和陶瓷到更多的成功领域。本文将重点介绍MI已影响的4个注意领域。IDTechEx涵盖了大量相关的应用领域，有关这些信息的信息包含在市场报告中，以背景说明这些基于MI的研发项目的重要性。