Application of High-throughput Screening in Materials
Genome Initiative
Abstract
In this talk, I am going to review the application of high-throughput fabrication and characterization and of machine learning in materials research. We have systematically developed a platform for materials genome initiative from high-throughput fabrication, characterization to big data processing. As an example, we have tested the application of this platform in search for rare-earth-free permanent magnets, and found our platform is very high efficient for searching new functional materials.
I am also going to talk about the potential application of high-throughput screening in spintronics and the potential application of active learning in materials genome initiative.
DOI: 10.12110/firstfmge.20171121.218
美国马里兰大学研究人员(Research Scientist)。2006年博士毕业于复旦大学物理系;2007年至2010年间,分别于日本丰田工业大学、法国国家研究中心、法国原子能机构及法国巴黎第十一大学做博士后研究。其研究主要集中在磁学和磁性材料领域,包括磁性多层膜之间耦合、自旋电子学以及永磁材料。自2010年8月至今工作于美国马里兰大学Ichiro Takeuchi 教授团队,期间也是美国NIST和Ames实验室的客座研究人员。在马里兰大学,高铁仁的研究主要集中在材料基因工程。系统设计并开发了一套研究材料基因的方法,包括从高通量材料的制备、表征以及大数据分析。并利用该方法,系统研究了FeCo-X (X = W, Mo,V等)作为非稀土永磁材料的可行性。同时利用硬磁/软磁材料之间的交换耦合将锰铋(MnBi)永磁材料的磁能积从11.0 提高到22.6 MGOe (非稀土、非贵重金属元素中取得最大的磁能积)。