首先，細化項重序構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型（圖3-11），細化項重序識別在STEM數(shù)據(jù)中出現(xiàn)的破壞晶格周期性的缺陷，利用模型的泛化能力在其余的實驗中找到各種類型的原子缺陷。深度學習算法包括循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、施確卷積神經(jīng)網(wǎng)絡(luò)（CNN）等[3]。那么在保證模型質(zhì)量的前提下，保安建立一個精確的小數(shù)據(jù)分析模型是目前研究者應(yīng)該關(guān)注的問題，保安目前已有部分研究人員建立了小數(shù)據(jù)模型[10,11]，但精度以及普適性仍需進一步優(yōu)化驗證。

在數(shù)據(jù)庫中，全生根據(jù)材料的某些屬性可以建立機器學習模型，便可快速對材料的性能進行預測，甚至是設(shè)計新材料，解決了周期長、成本高的問題。圖3-5?隨機森林算法流程圖圖3-6超導材料的Tc散點圖3.2輔助材料測試的表征近年來，產(chǎn)平由于原位探針的出現(xiàn)，產(chǎn)平使研究人員研究鐵電疇結(jié)構(gòu)在外部刺激下的翻轉(zhuǎn)機制成為可能。

經(jīng)過計算并驗證發(fā)現(xiàn)，國網(wǎng)在數(shù)據(jù)庫中的26674種材料中，金屬/絕緣體分類的準確度為86%，僅僅有2414種材料被誤分類（圖3-2）。

此外，冀北目前材料表征技術(shù)手段越來越多，對應(yīng)的圖形數(shù)據(jù)以及維度也越來越復雜，依靠人力的實驗分析有時往往無法挖掘出材料性能之間的深層聯(lián)系。相關(guān)研究以ThermoplasticElastomerTunesPhaseStructureandPromotesStretchabilityofHigh-EfficiencyOrganicSolarCells?為題目，電力點措發(fā)表在AM上

相關(guān)研究以High-PerformanceOrganicSolarCellsfromNon-HalogenatedSolvents為題目，細化項重序發(fā)表在AFM上。DOI:10.1002/aenm.202101768圖5太陽能電池活性層分子及其性能AFM：施確全綠色溶劑處理平面異質(zhì)結(jié)有機太陽能電池實現(xiàn)16%效率南昌大學陳義旺和江西師范大學廖勛凡等人采用順序旋涂和正交溶劑策略相結(jié)合的方法制備了平面異質(zhì)結(jié)器件，施確該策略減少上下層之間溶劑侵蝕造成的材料損失，并改善了垂直相分布，全過程都使用的綠色溶劑，最終實現(xiàn)16%的高效率，是目前平面異質(zhì)結(jié)器件的最高效率。

DOI:10.1002/adfm.202107827圖7?工藝流程及分子與器件結(jié)構(gòu)AFM：保安18.74%效率的交互型體異質(zhì)結(jié)有機太陽能電池四川大學彭強和新南威爾士大學戴黎明等人報道了一種新型靈活的溶液處理方法，保安可以獲得一種新型理想的交互型體異質(zhì)結(jié)結(jié)構(gòu)。具有在激子擴散長度范圍內(nèi)孔間距的交互型體異質(zhì)結(jié)結(jié)構(gòu)可以提供一個良好的活性層界面，全生用于有效的激子解離和最小化電荷復合，全生同時自由電子和空穴可以通過更直接的路徑傳輸?shù)礁髯缘碾姌O結(jié)構(gòu)，從而顯著提高器件性能。