基于944種材料數據，日本東北大合MIT發布GNNOpt模型，成功識別數百種太陽能電池和量子候選材料

AIGC動態歡迎閱讀

原標題：基于944種材料數據，日本東北大合MIT發布GNNOpt模型，成功識別數百種太陽能電池和量子候選材料
關鍵字：材料,量子,研究人員,太陽能電池,模型
文章來源：HyperAI超神經
內容字數：0字

內容摘要：

作者：李姝
編輯：李寶珠
日本東北大學和 MIT 的研究人員推出了一種基于圖神經網絡 (GNN) 的 GNNOpt 模型，成功識別出 246 種超過 32% 太陽能轉換效率的材料，以及 296 種具有高量子權重的量子材料，極大地加速了能源和量子材料的發現。LED、太陽能電池、光電探測器和光子集成電路 (PIC) 等光電設備是現代通信、照明和能源轉換技術的核心。這些設備的性能和效率在很大程度上取決于材料的光學特性，因此，深入理解這些特性對于推動技術進步和滿足日益增長的科學及工業需求至關重要。為了應對這一挑戰，實驗和計算領域的研究人員通過積極開展高通量篩選工作，以尋找和開發具有定制光學特性的新型材料。
然而傳統的獲取材料光學特性的實驗技術，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在高通量材料篩選中的應用受到了一定制約。
為了解決這一問題，研究人員轉向了基于密度泛函理論 (DFT) 的第一性原理計算。與傳統實驗技術相比，DFT 計算能夠覆蓋所有波長范圍的光學光

原文鏈接：基于944種材料數據，日本東北大合MIT發布GNNOpt模型，成功識別數百種太陽能電池和量子候選材料

聯系作者

文章來源：HyperAI超神經
作者微信：
作者簡介：