克日，，j9九游会质料基因组工程研究院刘轶教授课题组在“Wiley Interdisciplinary Reviews: Computational Molecular Science”期刊（影响因子IF= 27）上受邀揭晓了综述论文“Integrating Materials Representations Into Feature Engineering in Machine Learning for Crystalline Materials: From Local to Global Chemistry-Structure Information Coupling”（《集成质料表征的晶体质料机械学习的特征工程：从局部到全局的化学-结构信息耦合》），，引用信息为：Wiley Interdisciplinary Reviews: Computational Molecular Science, 2025; 15:e70044；；；https://doi.org/10.1002/wcms.70044（2025年8月11日首次上线）。。。。博士生肖斌和唐宇超为配合第一作者，，刘轶教授为通讯作者。。。。

质料机械学习中特征工程的实质是对证料构建有用的数字化表征，，对证料性子的机械学习预测精度起决议作用。。。。现在文献报道的质料特征模子众多，，但其详细形式和特点差别很大，，尚缺乏从统一的视角举行横向评估。。。。该综述对晶体质料的机械学习特征模子举行了系统的分类，，重点强调了化学和结构信息的耦合。。。。为了周全系统的评估种种特征模子的特点，，综述首次接纳了多维度的评价视角，，包括图和非图网络结构体现、结构信息嵌入、化学-结构信息耦合、全局和局部结构特征、长程和短程作用形貌、核函数和深度神经元网络的算法匹配、数据量要求、盘算重大性和可诠释性等。。。。在对典范的主流特征模子的多维度评价基础上，，着重介绍了刘轶教授课题组近年来开发的“中心-情形”（Center Environment，，简写CE）特征模子的构建方式、特点和应用案例。。。。CE模子使用了预界说的注重力机制，，将注重力从重大机械学习算法内部的隐式细节转移到外部显示的形貌物理核壳构型的特征模子。。。。CE特征模子因此可以大幅度镌汰对数据量的需求，，同时可以获得较高的精度和转达性，，为开发面向质料小数据场景的高效准确的机械学习模子提供了通用的特征工程要领。。。。该综述提出的多维度评价视角为机械学习特征模子应用时的合理选择和新特征模子的开发完善偏向提供了理性依据。。。。