Big data and machine learning for materials science

Autor(es)

Rodrigues Jr, Jose F. ; Florea, Larisa ; de Oliveira, Maria C. F. ; Diamond, Dermot ; Oliveira Jr, Osvaldo N.

• Tipo de documento: Artigo Científico
• Fonte: DISCOVER MATERIALS; v. 1, n. 1, p. 27-pg., 2021-04-19.

Resumo

Herein, we review aspects of leading-edge research and innovation in materials science that exploit big data and machine learning (ML), two computer science concepts that combine to yield computational intelligence. ML can accelerate the solution of intricate chemical problems and even solve problems that otherwise would not be tractable. However, the potential benefits of ML come at the cost of big data production; that is, the algorithms demand large volumes of data of various natures and from different sources, from material properties to sensor data. In the survey, we propose a roadmap for future developments with emphasis on computer-aided discovery of new materials and analysis of chemical sensing compounds, both prominent research fields for ML in the context of materials science. In addition to providing an overview of recent advances, we elaborate upon the conceptual and practical limitations of big data and ML applied to materials science, outlining processes, discussing pitfalls, and reviewing cases of success and failure. (AU)

• Processo FAPESP: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)
• Beneficiário: Agma Juci Machado Traina
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 18/17620-5 - Medicina preventiva por meio de técnicas de deep learning aplicadas ao prognóstico de saúde
• Beneficiário: José Fernando Rodrigues Júnior
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Processo FAPESP: 18/22214-6 - Rumo à convergência de tecnologias: de sensores e biossensores à visualização de informação e aprendizado de máquina para análise de dados em diagnóstico clínico
• Beneficiário: Osvaldo Novais de Oliveira Junior
• Modalidade de apoio: Auxílio à Pesquisa - Temático