性做久久久久久坡多野结衣-性做久久久久久久久浪潮-性欲影院-性影院-国产精品线路一线路二-国产精品兄妹在线观看麻豆


化工儀器網首頁>資訊中心>項目成果>正文

昆明理工大學提出新算法框架 篩選54種高性能光伏材料
2025年08月04日 14:40:25 來源:化工儀器網 作者:小王 點擊量:667

據悉,昆明理工大學材料科學與工程學院團隊在“人工智能 材料”交叉領域取得重要突破。

  光伏材料是太陽能光伏發電系統的核心組成部分,是實現光電效應的關鍵。也正因如此,光伏材料的發展成為了現階段光伏電池產業以及光電催化產業的重要突破口,全球多家科研機構均在嘗試研發新的高性能光伏材料。
 
  而在研發的過程中,大量的創新技術也被引入其中,里面同樣包括了人工智能。并且,人工智能的介入,是充分滲透到光伏材料開發過程中的多個環節內的,包括了材料選擇與性能預測,以及光伏組件設計與優化這種關鍵環節。
 
  關于這一點,昆明理工大學近日就獲得了重要的突破。
 
  據悉,昆明理工大學材料科學與工程學院團隊在“人工智能+材料”交叉領域取得重要突破。
 
  該校種曉宇、何京津、馮晶教授團隊創新性地提出了“連續遷移”框架,通過遷移學習策略實現多性能協同預測,為小數據集條件下的材料性能預測建模提供了新思路。并基于此,成功從18040種候選材料中篩選出54種高性能光伏材料。
 
  根據昆明理工大學公布的信息可以了解到。該框架首先基于形成能數據建立高精度源域模型,隨后依次通過遷移學習預測Ehull、帶隙、體積模量和剪切模量。針對剪切模量小數據量(僅有51條)導致模型預測性能不足的問題,團隊創新性地提出連續遷移方法,使用體積模量模型再次作為新源域,進一步遷移至剪切模量模型,優化模型預測性能,顯著提升了小數據集條件下的模型可靠性。
 
  這一方法有效解決了傳統機器學習在數據稀缺場景下的性能瓶頸,為材料多性能協同優化提供了高效計算范式。同時該研究不僅為小數據集機器學習建模提供了新策略,也為其他材料的性能預測與優化提供了可推廣的框架。
 
  目前相關研究成果以"Accelerated multi-property screening of lead-free halide double perovskite via transfer learning"為題,發表于材料科學領域頂級期刊《Advanced Functional Materials》,感興趣的讀者可以自行查閱學習。
 
關鍵詞

相關閱讀 Related Reading

查看更多+

版權與免責聲明

  • 凡本網注明“來源:化工儀器網”的所有作品,均為浙江興旺寶明通網絡有限公司-化工儀器網合法擁有版權或有權使用的作品,未經本網授權不得轉載、摘編或利用其他方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:化工儀器網”。違反上述聲明者,本網將追究其相關法律責任。
  • 本網轉載并注明自其他來源(非化工儀器網)的作品,目的在于傳遞更多信息,并不代表本網贊同其觀點和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時,必須保留本網注明的作品第一來源,并自負版權等法律責任。
  • 如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。
工業苛刻工況pH應用在線監測解決方案
關閉
主站蜘蛛池模板: 镇赉县| 宁河县| 公主岭市| 渑池县| 庄河市| 锦屏县| 特克斯县| 秦皇岛市| 康保县| 泸西县| 隆昌县| 修武县| 科技| 钦州市| 大同县| 淮北市| 南部县| 耒阳市| 桂林市| 潜江市| 万盛区| 榆林市| 武定县| 湖北省| 洞头县| 鄂托克前旗| 砀山县| 泽州县| 菏泽市| 静海县| 乐平市| 紫云| 玛纳斯县| 霍林郭勒市| 丁青县| 拜泉县| 六枝特区| 禹州市| 大姚县| 和静县| 罗山县|