AIGC動態(tài)歡迎閱讀

原標題：基于944種材料數(shù)據(jù)，日本東北大合MIT發(fā)布GNNOpt模型，成功識別數(shù)百種太陽能電池和量子候選材料
關(guān)鍵字：材料,量子,研究人員,太陽能電池,模型
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

作者：李姝
編輯：李寶珠
日本東北大學(xué)和 MIT 的研究人員推出了一種基于圖神經(jīng)網(wǎng)絡(luò) (GNN) 的 GNNOpt 模型，成功識別出 246 種超過 32% 太陽能轉(zhuǎn)換效率的材料，以及 296 種具有高量子權(quán)重的量子材料，極大地加速了能源和量子材料的發(fā)現(xiàn)。LED、太陽能電池、光電探測器和光子集成電路 (PIC) 等光電設(shè)備是現(xiàn)代通信、照明和能源轉(zhuǎn)換技術(shù)的核心。這些設(shè)備的性能和效率在很大程度上取決于材料的光學(xué)特性，因此，深入理解這些特性對于推動技術(shù)進步和滿足日益增長的科學(xué)及工業(yè)需求至關(guān)重要。為了應(yīng)對這一挑戰(zhàn)，實驗和計算領(lǐng)域的研究人員通過積極開展高通量篩選工作，以尋找和開發(fā)具有定制光學(xué)特性的新型材料。
然而傳統(tǒng)的獲取材料光學(xué)特性的實驗技術(shù)，如橢偏儀、紫外-可見光譜儀和傅立葉變換紅外光譜儀 (FTIR)，雖然能夠提供精確的測量結(jié)果，但它們通常只適用于特定的波長范圍，并且對樣品條件有嚴格的要求。這些限制使得這些技術(shù)在高通量材料篩選中的應(yīng)用受到了一定制約。
為了解決這一問題，研究人員轉(zhuǎn)向了基于密度泛函理論 (DFT) 的第一性原理計算。與傳統(tǒng)實驗技術(shù)相比，DFT 計算能夠覆蓋所有波長范圍的光學(xué)光

原文鏈接：基于944種材料數(shù)據(jù)，日本東北大合MIT發(fā)布GNNOpt模型，成功識別數(shù)百種太陽能電池和量子候選材料

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：