神经网络加速钙钛矿薄膜参数提取：稳态+瞬态荧光联合拟合降低不确定性
尤利希光伏研究团队在arXiv发布针对卤化铅钙钛矿薄膜瞬态光荧光的参数估计工作流，用神经网络替代反复求解非线性微分方程，实现多维材料参数空间快速扫描，并证明引入稳态数据可显著降低缺陷密度等参数的不确定性。
神经网络
共 3 篇，B910化工，AI 化学信息库
傅里叶神经算子集群方法实现超大规模复合材料力学建模：十亿节点一小时完成预测
研究者提出双尺度神经集群框架用于复杂微结构复合材料的大规模力学建模：局部尺度将微结构特征编码为傅里叶神经算子（FNO）构建块，全局尺度按微结构空间分布组装FNO集群，配合粗网格有限元和Schwarz迭代。对SiC-Al复合材料验证显示与非线性有限元精度相当而计算成本降低数个量级，含超10亿节点的双属性SiC-Al复合材料响应预测约1小时完成。
机器学习设计不可计算金属有机框架MOF用于光催化
研究团队提出利用机器学习方法设计传统计算无法处理的金属有机框架（MOF）材料的通用框架。以光催化为案例研究，展示了ML方法在处理复杂多参数材料设计中的能力。该方法可推广到催化剂、吸附剂和储能材料的发现。论文7月29日提交arXiv。