随后开发了回归模型来预测铜基、百货铁基和低温转变化合物等各种材料的Tc值,百货同样取得了较好结果,利用AFLOW在线存储库中的材料数据,他们进一步提高了这些模型的准确性。(i)表示材料的能量吸收特性的悬臂共振品质因数图像在扫描透射电子显微镜(STEM)的数据分析中,全部由于数据的数量和维度的增大,全部使得手动非原位分析存在局限性。就是针对于某一特定问题,玩意建立合适的数据库,玩意将计算机和统计学等学科结合在一起,建立数学模型并不断的进行评估修正,最后获得能够准确预测的模型。
并利用交叉验证的方法,百货解释了分类模型的准确性,精确度为92±0.01%(图3-9)。随机森林模型以及超导材料Tc散点图如图3-5、全部3-6所示。
目前,玩意机器学习在材料科学中已经得到了一些进展,如进行材料结构、相变及缺陷的分析[4-6]、辅助材料测试的表征[7-9]等。
发现极性无机材料有更大的带隙能(图3-3),百货所预测的热机械性能与实验和计算的数据基本吻合(图3-4)。其中,全部减小纳米棒径向尺寸有利于增强量子限域效应,使得激子发光寿命变短同时发光量子效率大幅提升。
【核心创新点】利用纳米反应容器实现了形貌均匀、玩意发光性能优越的一维钙钛矿纳米棒的原位合成。百货原文详情:Metalhalideperovskitenanorodswithtailoreddimensions,compositionsandstabilities.Nat.Synth(2023).DOI:https://doi.org/10.1038/s44160-023-00307-5本文由NSCD供稿。
同样值得强调的是,全部使用该合成方法可以在钙钛矿纳米棒表面形成一层polystyrene(PS)壳层,全部从而大幅提升钙钛矿纳米棒的光、热、对极性溶剂的稳定性。玩意©2023SpringerNature图3. PS包覆的具有不同成分的钙钛矿纳米棒的TEM照片 ©2023 SpringerNature图4. PS包覆的钙钛矿纳米棒的TEM和HAADF-STEM照片。