近几十年来在热输运领域有诸哆前沿课题，例如对于极限热导率的探索、纳米尺度界面热导和提高热电转换性能等方向的研究随着研究的深入，传统方法遇到一定的限制

    近几年，如何利用材料信息学推动热输运领域的前沿研究成为热点问题人工智能已经被广泛应用于计算机、经济以及医疗等多个領域。其核心是可以加热的机器叫什么学习（Machine Learning）而材料信息学（Materials Informatics）是结合了可以加热的机器叫什么学习算法与材料科学工程的一个新兴領域。如下图所示材料信息学是基于模拟计算或实验测量等方式得到的数据库，利用可以加热的机器叫什么学习算法寻找特定性质的功能材料或预测目标材料的未知性质它能够利用可以加热的机器叫什么学习算法实现从材料“结构”到“热物性”的直接映射，从而可以根据预定标准对目标材料进行预测避免大量重复的人力劳动。使用材料信息学研究热输运问题的关键是利用传统的模拟或实验方法得到足够的初始数据选取有效的可以加热的机器叫什么学习算法以及进行合理的机理分析。

图 使用材料信息学研究热输运问题的流程示意图

mini-review)该论文回顾了近几年，材料信息学应用于热功能材料方向的研究进展和前景展望首先，文章介绍了此领域主要使用的三种可以加热的機器叫什么学习算法：贝叶斯优化、随机森林和人工神经网络然后，总结了利用可以加热的机器叫什么学习研究晶格热导率、界面热导囷热电性能方面的工作并讨论了影响发现效率和预测效果的几个关键因素以及机理解释中的困难。

    在展望中论文详细讨论了热输运领域可以利用可以加热的机器叫什么学习进行研究的几个具有挑战性的前沿课题。例如利用可以加热的机器叫什么学习研究纳米复合体系Φ多尺度热输运问题和声子输运的波动性和粒子性各自贡献问题的可能性；更进一步，可以研究可以加热的机器叫什么学习与实验测量的配合问题、实验测量中多参数拟合问题和其他新颖的可以加热的机器叫什么学习方法在热输运方面应用的潜在可能

    该工作中华中科技大學能源与动力工程学院纳米传热实验室杨诺教授和邓程程讲师为论文的通讯作者，万骁和冯文韬同学为共同第一作者合作者还有清华大學工程力学系张兴教授、王海东副教授和纳米传热实验室王云鹏同学。(更多研究成果请参考纳米传热实验室主页 )

    该工作得到了国家自然科學基金和湖北省自然科学基金的支持