近日，機械工程學院李少波教授團隊在計算材料學領域國際頂級期刊、Nature子刊《NPJ computational materials》（5year IF=9.65）上發(fā)表了題為Generative adversarial networks (GAN) based efficient sampling of chemical composition space for inverse design of inorganic materials（用于無機材料逆向設計的基于生成對抗網絡的高效化學成分空間采樣方法）的研究論文。該成果以貴州大學為第一完成單位與通信單位，是我校在Nature子刊材料相關研究領域的一大突破。該成果由但雅波、李想、趙勇與其導師李少波教授共同完成，第一作者但雅波為我院今年應屆畢業(yè)碩士研究生，研究得到了國家自然科學基金、貴州省科技項目等資助。

據悉，研究論文主要利用人工智能深度學習技術中的生成對抗神經網絡技術通過對已知10萬種無機化合物材料的化學分子式進行大數據分析，提取學習了各種元素的原子組合成為穩(wěn)定化合物材料的隱性規(guī)則，從而可以自動生成超大規(guī)模(千萬級)以上的潛在的新材料分子式配方。為進一步的結構預測、實驗合成提供指導。該研究成果證明了我院大數據技術在材料信息學與智能制造領域具有一定的研究實力。

綠色為訓練集已知材料；紅色為測試集的已知材料；藍色為發(fā)現的可能的新材料

人類已知的無機材料在可能的化學空間只是很小一部分