線槽_PVC線槽_電纜接頭_尼龍扎帶_冷壓端子_尼龍軟管_金屬軟管_導軌_汽車線束 - 上海日成電子有限公司RCCN

據(jù)外媒報道，休斯頓大學日前宣布，其開發(fā)的機器學習算法能夠預(yù)測超過100,000種化合物的特性，并能確定那些最有可能成為LED照明高效熒光粉的化合物。

其中，研究人員合成的一種名叫“硼酸鋇鈉”的可計算化合物，在對其進行了測試之后，發(fā)現(xiàn)它提供了95%的效率以及出色的熱穩(wěn)定性。雖然硼酸鋇鈉化合物產(chǎn)生的光線太藍，而不適用于商用，但是研究人員并不氣餒。他們表示，他們現(xiàn)在就能通過機器學習算法找到一種能發(fā)射有用波長的發(fā)光材料。

Jakoah Brgoch教授表示：“我們的目標是研發(fā)具有高效、優(yōu)秀顏色質(zhì)量及低成本的LED燈泡?！?/p>

據(jù)悉，該研究項目首先列出了來自Pearson晶體結(jié)構(gòu)數(shù)據(jù)庫的118,287種潛在的無機磷化合物。然后機器學習快速掃描這些化合物的關(guān)鍵屬性，包括德拜（Debye）溫度和化學兼容性等。最終通過算法將上述11萬多種化合物減少到了2000多種。

研究人員表示，通過傳統(tǒng)的方法，需要數(shù)周才能挑選出有用的材料；而通過機器學習算法，在30秒內(nèi)就能挑選出大約20種有用的材料。

Brgoch教授指出，該項目為機器學習可以為高性能材料的開發(fā)帶來巨大的價值提供了強有力的證據(jù)。