肥婆老熟妇精品视频在线-就去吻亚洲精品日韩都没-女生抠那里小视频-翘臀后插手机自拍


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：983

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(fā)電系統(tǒng)的核心組成部分，是實現(xiàn)光電效應的關鍵。也正因如此，光伏材料的發(fā)展成為了現(xiàn)階段光伏電池產業(yè)以及光電催化產業(yè)的重要突破口，全球多家科研機構均在嘗試研發(fā)新的高性能光伏材料。
 
　　而在研發(fā)的過程中，大量的創(chuàng)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(fā)過程中的多個環(huán)節(jié)內的，包括了材料選擇與性能預測，以及光伏組件設計與優(yōu)化這種關鍵環(huán)節(jié)。
 
　　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(chuàng)新性地提出了“連續(xù)遷移”框架，通過遷移學習策略實現(xiàn)多性能協(xié)同預測，為小數(shù)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(shù)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(shù)據量(僅有51條)導致模型預測性能不足的問題，團隊創(chuàng)新性地提出連續(xù)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(yōu)化模型預測性能，顯著提升了小數(shù)據集條件下的模型可靠性。
 
　　這一方法有效解決了傳統(tǒng)機器學習在數(shù)據稀缺場景下的性能瓶頸，為材料多性能協(xié)同優(yōu)化提供了高效計算范式。同時該研究不僅為小數(shù)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(yōu)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(fā)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

  • ①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。
  • ②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。
  • ③如涉及作品內容、版權等問題，請在作品發(fā)表之日起一周內與本網聯(lián)系，否則視為放棄相關權利。
第二屆重金屬及元素檢測技術線上研討會
關閉