英国皇家化学会出版的两本材料科学期刊JournalofMaterialsChemistryA和MaterialsAdvances的副主编周震教授（南开大学／郑州大学）近日收集整理了发表在两本刊上的部分精彩论文，汇总成一期专辑MachineLearningforMaterialsInnovation（机器学习赋能材料创新）。
周震教授南开大学
郑州大学
年本科毕业于南开大学，获理学学士学位；年毕业于南开大学，获得理学博士学位，同年留校任讲师。-年赴日本名古屋大学从事日本学术振兴会(JSPS)等机构资助的博士后研究。年11月作为副教授（引进人才）回到南开大学化学学院继续从事教学科研工作。年底晋升教授，年起任博士生导师。年被任命为南开大学分子科学计算中心主任。年被任命为南开大学新能源材料化学研究所所长。年起为南开大学材料科学与工程学院教授、博士生导师。年被任命为南开大学新能源转化与存储交叉科学中心副主任。年入选国家重大人才工程，被郑州大学化工学院聘为能源化学岗位特聘教授。现今人类面临的许多紧迫挑战都与材料问题相关，我们也迫切需要具备理想的物理化学性质的新型材料；然而，传统材料开发过程中的“试错法”有着成本高、耗时长等缺点，难以满足我们对更先进材料的开发需求。随着高性能计算和实验技术的发展，高通量材料设计(high-throughputmaterialsdesign)已成为现实，材料大数据(bigmaterialsdata)的时代也正向我们走来。通过对材料大数据的高效分析找出隐藏的规则，然后利用这些规则开展材料的理性设计，就有机会实现材料领域的突破性创新。
机器学习方兴未艾，对许多科学领域——尤其是材料科学——都产生了很大的影响。通常而言，描述符（或特性）与所需信息之间的关系是非常复杂且非线性的。因此，仅依靠物理洞察力和原理很难发现统计规律。通过机器学习技术可以开发出灵活的模型，并通过输入数据对其进行训练，从而使其能基于不同的算法预测出所需的信息。如今，随着机器学习工具包、算法过程和材料数据库的发展，机器学习在材料科学中得到了广泛应用。
本专辑汇集了与机器学习相关的近期研究论文与综述，突出机器学习在材料创新方面的最新进展。
来自中国作者的论文部分通讯作者来自中国的论文：
Predictingtheperformanceofpolyvinylidenefluoride,polyethersulfoneandpolysulfonefiltrationmembranesusingmachinelearningTingliLiu,LunyangLiu,FengchaoCui,FangDing,QifengZhangandYunqiLiWebuiltmachinelearning-basedmodelstopredicttheperformanceoffiltrationmembranes,andintegratedthemintohomemadestandalonesoftware(polySML).通讯作者：刘伦洋（中科院长春应化所）、李云琦（中科院长春应化所）
J.Mater.Chem.A,,8,-