Машинное обучение и наука о данных в инженерии мягких материалов

Во многих областях материаловедения стало обычной практикой получать наборы данных настолько большого объёма и размерности, что традиционные методы анализа оказываются неприменимыми. Парадигмы и инструменты науки о данных и машинного обучения обеспечивают масштабируемые подходы к выявлению и извлечению тенденций и закономерностей из обширных наборов данных, направленному исследованию высокоразмерных фазовых пространств и разработке стратегий обратного проектирования материалов на основе данных. В этом тематическом обзоре доступно представлены инструменты машинного обучения применительно к мягким и биологическим материалам: терминология науки о данных изложена без избыточного жаргона, приведена таксономия методов машинного обучения, а также рассмотрены математические основы и программные реализации популярных инструментов, включая анализ главных компонент, анализ независимых компонент, диффузионные карты, метод опорных векторов и относительную энтропию. Представлены наглядные примеры применения машинного обучения в физике мягкого вещества, включая обратное проектирование самособирающихся материалов, нелинейное изучение ландшафтов сворачивания белков, высокопроизводительное проектирование антимикробных пептидов и основанные на данных системы проектирования материалов. В заключение рассматриваются перспективы, проблемы и возможности развития этой области.