在新材料成为现实生活产品之前，需要了解其机械性能（如压缩、弯曲、扭转、摩擦等）。材料特性是材料是否适合执行所需功能的关键指标。通常使用密度泛函理论(DFT)方法进行计算，然而计算需在超级计算进行，耗时且昂贵。

使用机器学习(ML)、深度学习(DL)和高吞吐量(HT)计算技术可以为新材料的预测和发现提供高效、稳健的数据处理平台。机器学习模型可以使用普通笔记本电脑产生快速、准确的结果，而超级计算机可能会失业。

来自皇家墨尔本理工大学（RMITUniversity）的ARC激子科学卓越中心的研究人员编写了一个程序，提出一个新的机器学习平台，用于准确预测各种材料的特性（例如化合物的带隙），以及一个新开发的网站，为材料预测平台提供基础。

该研究以《用于发现材料的机器学习平台》（Amachinelearningplatformforthediscoveryofmaterials）为题，于5月27日发表在《JournalofCheminformatics》杂志上。