机构名称：
¥ 2.0
虽然卤化物钙钛矿引起了学术界的广泛关注，但大规模工业生产的例子仍然很少。从这个角度来看，我们回顾了阻碍卤化物钙钛矿商业化的实际挑战，并讨论了机器学习 (ML) 工具如何提供帮助：(1) 融合机构知识和人类专业知识的主动学习算法可以帮助稳定和快速更新基线制造流程；(2) 包括计算机成像在内的 ML 驱动的计量可以帮助缩小大面积和小面积设备之间的性能差距；(3) 推理方法可以通过协调多个数据流和模拟来帮助加速根本原因分析，将研究工作集中在最有可能改进的领域。我们得出的结论是，为了应对其中的许多挑战，需要对现有的 ML 和统计方法进行渐进式（而不是彻底的）调整。我们确定资源来帮助培养内部数据科学人才，并提出如何通过产学研合作帮助“现成的”机器学习工具适应特定的行业需求，通过揭示潜在机制进一步改善过程控制，并开发“游戏规则改变者”的面向发现的算法，以更好地驾驭广阔的材料组合空间和文献。
物质碎片_MIT-UCSD-NPU_v8
主要关键词
相关文件推荐
