Flüssigkristalle haben aufgrund ihrer dualen festen und flüssigen Eigenschaften einzigartige Vorteile in den Materialwissenschaften und Anwendungen. In den letzten Jahren wurden datengetriebene Methoden breit in der Klassifizierung der Phasen von Flüssigkristallen, im Design und der Leistungsprognose von Materialien sowie in Sensor-Technologien und anderen Forschungsbereichen eingesetzt. Mithilfe von Methoden wie maschinellem Lernen wurden signifikante Fortschritte bei der Vorhersage von Phasenübergängen bei Flüssigkristallen, der Bewertung ihrer physikalisch-chemischen Eigenschaften und der Optimierung der Sensorleistung erzielt. Diese Forschungen haben nicht nur die Leistung von Flüssigkristallen verbessert, sondern auch ihr Anwendungspotenzial in Bereichen wie intelligenten Sensoren, Gasdetektion, Umweltüberwachung und Biosensibilität erweitert. Dieser Artikel gibt einen umfassenden Überblick über datengetriebene Flüssigkristallforschungen im In- und Ausland, erörtert die möglichen Aussichten für das Design, die Optimierung und den Einsatz von Flüssigkristallen und wirft einen Blick auf die zukünftigen Entwicklungsrichtungen in der Flüssigkristallwissenschaft.

Datengetrieben;Maschinelles Lernen;Flüssigkristalle;Materialwissenschaft