社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

南京邮电大学赵强团队ACS Nano综述: 机器学习加速钙钛矿材料的发现和应用

材料人 • 2 周前 • 34 次点击  

【背景介绍】

钙钛矿材料因其卓越的性能而广受赞誉,如优异的铁电性、高光吸收、出色的导电性、可调带隙和优异的长程电荷载流子迁移率。这些特性使其在激光器、发光二极管、太阳能电池、光电探测器和催化剂等领域得到了广泛的应用。

然而,新材料开发的传统方法主要依赖于试错策略,这不仅耗时且昂贵,而且在很大程度上取决于实验者的物理化学直觉。此外随着材料的多样性和复杂性的增长,第一性原理计算变得越来越耗时和昂贵,从而减缓了材料发现的整体进展。

机器学习,是一种自动数据分析模型,能够根据大量已知数据预测目标的属性。近年来,机器学习在材料科学中得到了广泛的应用,特别是在加速材料发现和材料应用方面。


【研究内容】

近日,南京邮电大学赵强教授、王始彦副教授,陈冰教授发表的综述系统阐述了机器学习在钙钛矿材料中的工作框架和实际应用,揭示了机器学习在钙钛矿材料发现和应用中独特的优势,并指出机器学习在钙钛矿领域中的未来发展方向以及挑战。

本综述系统探讨了机器学习的工作框架,钙钛矿材料的种类以及庞大的化学空间,重点分析了机器学习在预测可形成性与带隙方面对加速钙钛矿材料发现的作用,以及其在光电探测器、LED、太阳能电池和催化等实际应用中的推动作用。同时,本文强调了当前面临的挑战和内在局限性,并提出了相关的未来研究趋势:包括建立标准化的筛选标准;需要扩大机器学习在钙钛矿材料中的应用;验证机器学习预测并评估其实际部署的可扩展性;开发能够预测不同类型的钙钛矿性质的综合性机器学习模型。这些见解可以启发研究人员开发新颖有效的策略,以促进钙钛矿材料的未来发展。

该成果以“From Formability to Bandgap: Machine Learning Accelerates the Discovery and Application of Perovskite Materials”(《从可成形性到带隙:机器学习加速钙钛矿材料的发现和应用》)为题,发表在美国化学学会期刊 ACS Nano 上。

论文信息

From Formability to Bandgap: Machine Learning Accelerates the Discovery and Application of Perovskite Materials

Shiyan Wang,*, # Chaopeng Liu,# Weiyao Hao, Yanling Zhuang, Xianjun Zhu, Longlu Wang,

Xianghong Niu, Shujuan Liu, Bing Chen,* and Qiang Zhao* https://doi.org/10.1021/acsnano.5c07494



【第一通讯作者简介】

王始彦,博士毕业于东南大学,现为南京邮电大学副教授。围绕低维材料的多尺度模拟与设计,在新型催化材料固氮、二氧化碳还原、析氢和氧还原、一氧化碳氧化反应以及高选择性的室温气体传感器等方面取得了许多创新性研究成果。以第一作者/共同一作和通讯作者在ACS Nano、ACS Central Science、Applied Catalysis B: Environmental、Chemical Science等期刊发表论文20余篇,多篇论文被期刊评选为前封面论文、HOT论文、Most Popular论文等,多项理论研究工作展现的高反应催化活性、提出的设计理念、反应机理已经被实验证实。

陈冰,于2012年和2017年在浙江大学分别获得学士和博士学位。随后,他在香港城市大学王峰教授课题组从事博士后研究工作。2022年起任职于南京邮电大学,担任教授。其研究长期致力于刺激响应型发光器件的制备与开发。利用刺激响应型发光材料发光信号随外部环境刺激而发生转变,在荧光传感、探测成像、信息存储和光编码开关等领域研究其应用,迄今已发表高水平SCI论文四十余篇,其中在J. Am. Chem. Soc.、Angew. Chem. Int. Ed.、Nat. Commun.、Adv. Mater.等高影响力期刊上以第一作者和通讯作者累计发表论文四十余篇,担任Nature Publishing Group, American Chemical Society, Royal Chemical Society, Wiley Publishing Group, Elsevier Publishing Group旗下期刊审稿人。

赵强,南京邮电大学教授,博士生导师,南京信息工程大学副校长,柔性电子全国重点实验室副主任,国家杰出青年科学基金获得者、教育部“长江学者奖励计划”青年学者、国务院政府特殊津贴专家、全国高校黄大年式教师团队负责人,主要从事有机与柔性电子领域研究。近年来在Sci. Adv.、Nat. Commun.、Chem. Rev.、J. Am. Chem. Soc.、Angew. Chem. Int. Ed.、Adv. Mater.等期刊发表高质量论文100余篇,获国家自然科学奖二等奖、教育部自然科学奖一等奖、江苏省科学技术奖一等奖、江苏省青年科技杰出贡献奖等多项科技奖励。

投稿邮箱
tougao@cailiaoren.com
投稿以及内容合作可加微信
cailiaorenVIP


图片
图片

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/185453
 
34 次点击