인공지능 기반의 재료 개발은 전통적인 시행착오 방법에 대한 강력한 대안으로 떠올랐습니다. 그러나 이러한 방법은 제한된 데이터 가용성으로 인해 새로운 재료를 발견하거나 신흥 분야에서 실행 가능한 통찰력을 생성하는 데 종종 어려움을 겪습니다. 이러한 도전은 전자 재료에서 특히 두드러지는데, 물리적 메커니즘과 구조-속성 관계의 복잡한 상호작용이 진행을 방해하기 때문입니다. 여기에서는 제한된 데이터로 정확한 속성 예측을 위한 물리 지식에 기반한 전이 학습을 결합하고, 물리 지식과 인공지능 기반 가설 생성을 통해 과학적 통찰력을 도출하는 방법론을 보고합니다. 이 접근 방식을 사용하여 우리는 저전압 고성능 유기 전기화학 트랜지스터 재료를 성공적으로 식별하고 재료 설계 지식을 도출했습니다. 이 접근법은 n형 폴리머의 합성을 통해 실험적으로 검증되었으며, 정확한 속성 예측을 보여주고 중요한 구조-속성 관계를 밝혀냈습니다. 우리는 이 접근법이 제한된 데이터 가용성과 복잡한 물리적 메커니즘을 가진 다른 신흥 재료 시스템에도 적용 가능하며 신흥 분야에서 재료 개발을 가속화할 수 있다고 믿습니다.
Tian et al. (Tue,)은 이 질문을 연구했습니다.