蜜桃狠狠色伊人亚洲综合网站,欧美另类videossexo高潮,熟睡人妻被讨厌的公侵犯

卡內基梅隆大學npj Comput. Mater.: 基于機器學習尋找單線態裂變預測模型

單線態裂變（SF），即一個單線態激子轉化為兩個三線態激子，可以顯著提高太陽能電池的效率。經歷SF的分子晶體很少，計算探索可能會加速SF材料的發現。然而，用多體微擾理論（MBPT）計算分子晶體的激子特性對于大規模材料篩選是不切實際的。

圖1. 分層篩選工作流程

在此，美國卡內基梅隆大學Noa Marom等人使用確定獨立篩選和稀疏算子（SISSO）機器學習算法來生成計算效率高的模型，該模型可以預測101種多環芳烴（PAH101）數據集的SF的MBPT熱力學驅動力。

其中，SISSO機器學習算法通過結合物理動機的主要特征來生成具有不同復雜程度的模型。隨后，通過交叉驗證的線性回歸選擇最具預測價值的模型。結果顯示，生成的最準確模型產生的訓練集均方根誤差（RMSE）低于0.2 eV，其準確性遠遠超過了人類生成的基于單分子和晶體SF驅動力的DFT估計基準模型。

此外，性能最佳的模型具有近乎完美的分類精度，可用于確定給定材料是否是有前途的SF候選者。基于模型準確性與主要特征評估的計算成本考慮，作者最終提出了一種分層篩選方法來縮小候選池。

圖2. 模型選擇和性能評估

此外，給定材料的不同模型預測之間的差異可以用作不確定性的度量。某種材料的SISSO模型預測的巨大差異可能表明，為了模型再訓練和改進的目的，它應該被選擇用于GW + BSE計算，即使它不是一個有前途的SF候選材料。最后，作者在PAH101數據集中發現了三種以前沒有報道過的潛在有前途的SF材料：BCPP、TBPT 和 DPNP。

研究表明，BCPP具有與并四苯相當的熱力學驅動力，但電荷轉移（CT）特性顯著降低，表明它可能經歷緩慢的單線態裂變。TBPT和DPNP具有介于并四苯和并五苯之間的熱力學驅動力和高度的單線態激子CT特性，這表明它們可能比并四苯經歷更快的SF，并且比并五苯具有更小的能量損失（更高的能量效率）。BCPP、TBPT和DPNP屬于迄今為止尚未在SF背景下研究過的化學家族，這可能有助于將實驗工作引導到新的方向。

圖3. 三種SF候選材料的晶體結構

Finding predictive models for singlet fission by machine learning, npj Computational Materials 2022. DOI: 10.1038/s41524-022-00758-y

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://m.zzhhcy.com/index.php/2023/10/14/18520233d2/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

卡內基梅隆大學npj Comput. Mater.: 基于機器學習尋找單線態裂變預測模型

相關推薦