典型文献
机器学习在聚烯烃催化剂领域的应用与展望
文献摘要：
催化剂是决定聚烯烃的工业效率以及实现聚烯烃高端化的核心.传统开发催化剂的过程采用试错法,不仅实验步骤多、研发周期长,且催化性能的研究需要消耗大量资源.单纯依靠实验的分析方法很难挖掘出催化剂结构与聚合性能之间的内在关系.高水平的量子化学计算可以准确地获取反应机理,但针对宏量的实验数据,昂贵的计算成本是其局限.大数据时代,人工智能的发展势不可挡.机器学习作为人工智能的核心策略表现出强大的预测能力,并在科学、技术以及工业等各个领域获得了广泛的应用与发展.本文主要介绍机器学习在聚烯烃催化剂中的最新研究进展,并简要评述机器学习应用于烯烃催化中面临的机遇与挑战.
文献关键词：
聚烯烃催化剂;催化性能;分子描述符;机器学习;定量构效
中图分类号：
作者姓名：
杨文泓;孙文华
作者机构：
中国石油天然气股份有限公司石油化工研究院,新材料生物化工研究所,北京102206;中国科学院化学研究所,北京分子科学国家实验室,工程塑料重点实验室,北京100190;中国科学院大学化学科学学院,北京100049
文献出处：
引用格式：
[1]杨文泓;孙文华-.机器学习在聚烯烃催化剂领域的应用与展望)[J].科学通报,2022(17):1870-1880
A类：
B类：
聚烯烃催化剂,应用与展望,定聚,工业效率,高端化,试错法,实验步骤,研发周期,催化性能,挖掘出,聚合性能,内在关系,量子化学计算,取反,反应机理,宏量,昂贵,计算成本,势不可挡,习作,核心策略,略表,预测能力,应用与发展,最新研究进展,学习应用,分子描述符,定量构效
AB值：
0.380363
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
