排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
经过大半个世纪的算法模型积累,以数据科学为基础的机器学习方法,已经可以适配多项学科的研究需求。在理论与实验积累的数据基础上,机器学习紧跟各个领域的研究潮流,推动数据密集型科学研究的发展,使其成为继“理论”、“计算”、“实验”后引领科学研究的“第四范式”。在材料科学领域,钙钛矿材料具有构成丰富、带隙可调、发展空间广阔等优势,但还未在其适用领域内达到环境友好等实用标准。因而基于机器学习探索钙钛矿材料及其应用,不仅可以加速新型钙钛矿材料的发现,而且可以探究钙钛矿材料种种优异性能与其物理化学特征之间的关联,为发展环境友好型高性能钙钛矿器件提供指导。在此总结了机器学习结合钙钛矿材料的研究优势与研究流程,综述了机器学习在钙钛矿材料性质与器件探索方面的研究进展,探讨了当下面临的研究困境和挑战,展望了未来的研究方向和发展趋势。 相似文献
2.
AgIn0.5Ga0.5S2由于环境友好、合成成本低、成分灵活可调等优点在许多领域受到广泛关注.适当的直接带隙、无禁戒跃迁和高激子结合能使其成为一种有前途的发光材料.多组分体系的演化丰富了光电特性,并使其本征缺陷更加复杂.反过来,这些缺陷对光电性能有重要影响,从而影响其发光性能.然而,对于这类半导体,在实验中观察到的与发光相对应的点缺陷的微观机制大多是未知的或间接推断的.本工作系统地揭示了AgIn0.5Ga0.5S2的微观缺陷与发光之间的机制.热力学稳定性表明AgIn0.5Ga0.5S2是亚稳态的并且与次生相之间存在显著的竞争.此外,计算的缺陷结果表明,与银关联的缺陷是幕后操纵者.两个浅能级缺陷(VAg和Agi)充当载流子提供者,而四个深能级反位缺陷(AgIn, AgGa, InAg... 相似文献
1
