光驱动有机晶体在光照下可变形，适合制造轻质可控执行器。日本早稻田大学通过机器学习优化分子设计，将阻挡力提升至37.0mN，显著增强了光电机械分子晶体的应用潜力。研究揭示了分子结构与杨氏模量的关系，为材料优化提供了新方法。

本文介绍了一种结合神经网络和机器学习的分子动力学模拟方法，旨在准确预测石墨烯的热力学和力学性能。研究提出了基于贝叶斯统计的模型，能够区分活性和非活性蛋白质配体，并为材料设计提供新视角。此外，MatSci ML基准为固态材料的机器学习研究提供了多样化的数据集，促进了多任务学习算法的发展。研究还探讨了机器学习在高熵合金和无机晶体预测中的应用，强调了模型准确性和性能评估的重要性。