亚洲免费每日在线观看,少妇大叫太大太粗太爽了a片,老太奶性bbwbbw

機器學習（ML）與高通量（HT）計算耦合的方法不僅可以加速尋找期望的材料，而且還能揭開底層過程的物理原理。然而，此類研究通常無法確定所發現的關鍵設計原則的來源，即除了發現有前途的材料外，并沒有推進科學知識的發展。

圖1. 本研究中的ML工作流程

在此，印度科技學院Abhishek K. Singh等人設計了一種直觀的方法，通過 SHapley Additive exPlanations (SHAP) 值解釋這種不透明的ML模型，并將它們與HT方法相結合以尋找有效的二維水分解光催化劑。作者開發了一個包含3099 種2D材料的新數據庫，這些材料由以八面體幾何形狀連接到六個配體的金屬組成，稱為 2DO（八面體2D材料）數據庫。

ML模型是使用基于成分和化學硬度的特征的組合構建的，以深入了解熱力學和整體穩定性。最重要的是，它結合了元素和結構特征的優點，區分了鍵連接性不同的同構2DO材料的目標特性。

圖2. 構建的2DO數據庫

可解釋的 ML 回歸、分類和數據分析導致了一個新假設，即高度穩定的2DO材料遵循軟硬酸堿理論（即HSAB原理）。基于可見光區域內合適的帶隙和使用GW方法相對于標準氧化還原電位的帶對齊，進一步篩選了最穩定的2DO材料，最終產生了21種潛在的候選材料。

具有化學硬-軟或軟-軟相互作用的2DO 材料具有最佳的GW帶隙，而硬-硬相互作用使它們不適合收集可見光。此外，作者發現 HfSe₂和ZrSe₂具有接近其理論極限的高太陽能到氫氣的轉換效率。本研究提出的利用元素和化學硬度特征的方法還可以發現其他用于一系列應用的有前途材料。

圖3. 分析有前景的2DO光催化劑

Chemical hardness-driven interpretable machine learning approach for rapid search of photocatalysts, npj Computational Materials 2021. DOI: 10.1038/s41524-021-00669-4

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/2023/10/15/6c788adcb0/

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

Nature子刊：可解釋機器學習方法用于快速搜索光催化劑

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

Nature子刊：可解釋機器學習方法用于快速搜索光催化劑

相關推薦