研究目的
研究利用集成深度神经网络预测有机太阳能电池中给体分子的HOMO值,以加速高效材料的发现。
研究成果
SINet架构通过同时利用SMILES和InChI分子表征,并采用从大型DFT计算数据集到小型实验数据集的迁移学习方法,显著提升了HOMO值的预测精度。该方法展现了机器学习加速有机太阳能电池高效材料发现的潜力,为能源?;峁┝思咔熬暗慕饩龇桨?。
研究不足
该研究的局限性在于可用于训练和验证的实验数据集规模与多样性有限。模型的性能取决于用于迁移学习的DFT计算数据的质量与代表性。
研究目的
研究利用集成深度神经网络预测有机太阳能电池中给体分子的HOMO值,以加速高效材料的发现。
研究成果
SINet架构通过同时利用SMILES和InChI分子表征,并采用从大型DFT计算数据集到小型实验数据集的迁移学习方法,显著提升了HOMO值的预测精度。该方法展现了机器学习加速有机太阳能电池高效材料发现的潜力,为能源?;峁┝思咔熬暗慕饩龇桨?。
研究不足
该研究的局限性在于可用于训练和验证的实验数据集规模与多样性有限。模型的性能取决于用于迁移学习的DFT计算数据的质量与代表性。
加载中....
您正在对论文“[IEEE 2019国际神经网络联合会议(IJCNN) - 匈牙利布达佩斯(2019.7.14-2019.7.19)] 2019国际神经网络联合会议(IJCNN) - 基于集成神经网络的迁移学习用于有机太阳能电池筛选”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期