Small Methods: 机器学习加速发现新型铁电光伏钙钛矿和材料描述符

近期,东南大学物理学院王金兰教授课题组针对寻找铁电光伏材料这一现实问题,结合机器学习算法和DFT高通量计算,提出了一种多目标、多步骤的材料筛选策略。

InfoMat: 通过分子表面工程与机器学习优化得到基于壳聚糖的柔性自供电摩擦纳米发电机传感器

近日,美国普渡大学的武文倬教授课题组在InfoMat上在线发表了通讯文章“Chitosan biopolymer derived self-powered triboelectric sensor with optimized performance through molecular surface engineering and data-driven learning”。

Small Methods: 机器学习加速纳米材料的发现和设计

新加坡南洋理工大学材料科学与工程学院陈晓东教授课题组在Small Methods上发表了题为“Nanomaterials Discovery and Design through Machine Learning”的随笔文章,总结并展望了机器学习算法,特别是深度学习算法在纳米材料领域中的应用及方法。

Solar RRL: 机器学习指导Mn在Cu2ZnSn(S,Se)4掺杂量的快速确定及太阳电池

南开大学张毅教授指导硕士生李秀玲和日本国家材料研究所的达博博士、侯柱锋博士合作,采用机器学习指导实验过程。通过有效的合作,仅通过三次机器学习计算,他们就确定了Mn在CZTSSe中的最佳掺杂量,极大的缩减了实验周期,同时也非常有力的保证了实验掺杂量的可靠性。