Berkeley Lab利用先进机器学习优化手性钙铛矿材料性能
Berkeley Lab的研究团队开发了一套基于机器学习的方法，用于优化手性二维金属卤化物钙铛矿(MHP)的光电性能。手性钙铛矿是自旋电子学和自旋光电子学领域的重要候选材料，但其在不同批次间性能一致性问题长期困扰研究界。该ML方法通过筛选关键合成参数，显著提升了材料的圆二色性和手性光学响应的可重复性，为钙铛矿材料在下一代自旋电子器件中的应用奠定基础。
钙铛矿
共 1 篇 · B910 化工资讯聚合
共 1 篇 · B910 化工资讯聚合
Berkeley Lab的研究团队开发了一套基于机器学习的方法，用于优化手性二维金属卤化物钙铛矿(MHP)的光电性能。手性钙铛矿是自旋电子学和自旋光电子学领域的重要候选材料，但其在不同批次间性能一致性问题长期困扰研究界。该ML方法通过筛选关键合成参数，显著提升了材料的圆二色性和手性光学响应的可重复性，为钙铛矿材料在下一代自旋电子器件中的应用奠定基础。
