XiaoMi-AI文件搜索系统
World File Search System池在
燃料电池快速扩张等的常见问题...
【2023年度成果（论⽂・特许）】1。J. H. Park等人，高度耐用的石墨烯封装的基于铂的电催化剂，用于通过溶液等离子体过程合成的氧气还原反应，功率来源杂志，580（2023），233419，2。J. H. Park等人，高度耐用的碳壳的新溶液等离子体合成，用于聚合物电解质膜燃料电池的高度耐用碳壳基于铂基的阴极催化剂，碳，214（2023），118364，3。M. Huda等人，单壁碳纳米管支持PT电催化剂作为单个燃料电池的阴极催化剂，其耐用性高/关闭/关闭电势循环，ACS Applied Energy Materials，6（2023）12226-12226-12226-122236 4。H. N. Nam等人，第一原告对石墨烯和氮掺杂石墨烯涂层的铂电催化剂的氧还原反应机制的研究，物理化学化学物理学，26（2024）10711-10722 5。出愿番号：2024-025901
我们的创新池范围
Logistics 4 Excavation 6 Crane 8 Materials 10 Hire 12 Aqua Technics 14 Built Stronger to Last Longer 16 Graphene Nano-Tech 17 Pool ColourGuard 18 Resort Series 20 Contemporary Series 22 Piazza Series 24 Harmony Series 26 Bellagio Series 28 Bahama Series 30 Lap Pool Series 32 Villa Series 34 Alpine Series 36 Spa Series 37 Round Plunge Pools 38 Aqua Ledge 41 Quick Reference Guide 43
人工智能寻找优质聚合物太阳能电池材料
利用人工智能（机器学习）*2，超快速筛选20万种虚拟生成的聚合物太阳能电池材料*1，实际合成排名靠前的新型聚合物。并成功进行了演示。 利用能够导电的聚合物的聚合物太阳能电池作为轻量、廉价的下一代太阳能电池，世界各地正在开发。然而，由于聚合物化学结构的组合无数，且太阳能电池元件的生产涉及多种因素的复杂相互作用，因此很难准确预测元件性能。 本研究中，我们根据实验数据构建了独特的机器学习模型，成功显著提高了性能预测的准确性，并通过实际设计和合成新型聚合物证明了其有效性。 预计该研究方法将应用于高效聚合物太阳能电池的开发，以及其他功能聚合物的材料信息学*3领域。
