跳到主要内容

物质科学

52 条内容

Journal of Chemical Information and Modeling 2026年9月14日
该工作以紫外吸收波长（λmax）预测为测试场景，在18,415个溶质-溶剂对（经Greenman/Song重复处理协议）上以分层5折交叉验证比较了五类模型（随机森林、XGBoost、有向消息传递图神经网络、双向门控循环网络、预训练Transformer），并辅以两个合计超过40,000个分子的外部数据集，发现已知化学空间内的筛选任务中随机森林与最佳深度学习模型统计上不可区分（RMSE 31.50±1.47 nm 对 33.15±3.27 nm，p=0.16）且仅需CPU上15分钟训练，而在16个新骨架紫外吸收化合物的实验验证中图神经网络（MAE 26.2 nm）、Transformer（26.3 nm）与Bi
该工作以紫外吸收波长（λmax）预测为测试场景，在18,415个溶质-溶剂对（经Greenman/Song重复处理协议）上以分层5折交叉验证比较了五类模型（随机森林、XGBoost、有向消息传递图神经网络、双向门控循环网络、预训练Transformer），并辅以两个合计超过40,000个分子的外部数据集，发现已知化学空间内的筛选任务中随机森林与最佳深度学习模型统计上不可区分（RMSE 31.50±1.47 nm 对 33.15±3.27 nm，p=0.16）且仅需CPU上15分钟训练，而在16个新骨架紫外吸收化合物的实验验证中图神经网络（MAE 26.2 nm）、Transformer（26.3 nm）与Bi
简单模型何时胜出？紫外吸收预测的机器学习架构对比
该工作以紫外吸收波长（λmax）预测为测试场景，在18,415个溶质-溶剂对（经Greenman/Song重复处理协议）上以分层5折交叉验证比较了五类模型（随机森林、XGBoost、有向消息传递图神经网络、双向门控循环网络、预训练Transformer），并辅以两个合计超过40,000个分子的外部数据集，发现已知化学空间内的筛选任务中随机森林与最佳深度学习模型统计上不可区分（RMSE 31.50±1.47 nm 对 33.15±3.27 nm，p=0.16）且仅需CPU上15分钟训练，而在16个新骨架紫外吸收化合物的实验验证中图神经网络（MAE 26.2 nm）、Transformer（26.3 nm）与Bi
该工作以紫外吸收波长（λmax）预测为测试场景，在18,415个溶质-溶剂对（经Greenman/Song重复处理协议）上以分层5折交叉验证比较了五类模型（随机森林、XGBoost、有向消息传递图神经网络、双向门控循环网络、预训练Transformer），并辅以两个合计超过40,000个分子的外部数据集，发现已知化学空间内的筛选任务中随机森林与最佳深度学习模型统计上不可区分（RMSE 31.50±1.47 nm 对 33.15±3.27 nm，p=0.16）且仅需CPU上15分钟训练，而在16个新骨架紫外吸收化合物的实验验证中图神经网络（MAE 26.2 nm）、Transformer（26.3 nm）与Bi
Discover Nano 2026年9月14日
该研究将Ti3C2Tx MXene与n型单晶硅构成异质结太阳能电池，在50 MeV质子与1 MeV电子辐照（电子注量10^12–10^15 particles/cm^2、质子10^12–10^14 particles/cm^2）下结合XRD、Raman、SEM/TEM、EBSD、APT与LAMMPS原子模拟，并用随机森林回归构建物理信息数字孪生，报告器件在辐照后仍保持超过84%的初始光电转换效率（常规硅电池约55%），且数字孪生对VOC、JSC、FF、PCE四项输出的预测R^2>0.96。
该研究将Ti3C2Tx MXene与n型单晶硅构成异质结太阳能电池，在50 MeV质子与1 MeV电子辐照（电子注量10^12–10^15 particles/cm^2、质子10^12–10^14 particles/cm^2）下结合XRD、Raman、SEM/TEM、EBSD、APT与LAMMPS原子模拟，并用随机森林回归构建物理信息数字孪生，报告器件在辐照后仍保持超过84%的初始光电转换效率（常规硅电池约55%），且数字孪生对VOC、JSC、FF、PCE四项输出的预测R^2>0.96。
MXene–硅异质结太阳能电池的抗辐射预测建模与实验分析
该研究将Ti3C2Tx MXene与n型单晶硅构成异质结太阳能电池，在50 MeV质子与1 MeV电子辐照（电子注量10^12–10^15 particles/cm^2、质子10^12–10^14 particles/cm^2）下结合XRD、Raman、SEM/TEM、EBSD、APT与LAMMPS原子模拟，并用随机森林回归构建物理信息数字孪生，报告器件在辐照后仍保持超过84%的初始光电转换效率（常规硅电池约55%），且数字孪生对VOC、JSC、FF、PCE四项输出的预测R^2>0.96。
该研究将Ti3C2Tx MXene与n型单晶硅构成异质结太阳能电池，在50 MeV质子与1 MeV电子辐照（电子注量10^12–10^15 particles/cm^2、质子10^12–10^14 particles/cm^2）下结合XRD、Raman、SEM/TEM、EBSD、APT与LAMMPS原子模拟，并用随机森林回归构建物理信息数字孪生，报告器件在辐照后仍保持超过84%的初始光电转换效率（常规硅电池约55%），且数字孪生对VOC、JSC、FF、PCE四项输出的预测R^2>0.96。

已显示全部结果

第 6 页 · 当前显示 2 项