論文の概要: Machine Learning Reveals Composition Dependent Thermal Stability in Halide Perovskites

• arxiv url: http://arxiv.org/abs/2504.04002v2
• Date: Thu, 24 Apr 2025 02:02:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.398694
• Title: Machine Learning Reveals Composition Dependent Thermal Stability in Halide Perovskites
• Title（参考訳）: ハロゲン化ペロブスカイトの組成依存性の熱安定性を機械学習が明らかに
• Authors: Abigail R. Hering, Mansha Dubey, Elahe Hosseini, Meghna Srivastava, Yu An, Juan-Pablo Correa-Baena, Houman Homayoun, Marina S. Leite,
• Abstract要約: 合成,温度,材料特性の予期せぬ相関を明らかにするために,データ可視化と機械学習技術を適用した。 合成に依存しない(>85%の精度)と合成に依存しない(>75%の精度)モデルアプローチの両方で、10個のペロブスカイトフィルムのPL特性を効果的に予測する。 このモデルでは、Cs含有量と材料熱安定性の相関関係について検証する。
• 参考スコア（独自算出の注目度）: 8.55812400071022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Halide perovskites exhibit unpredictable properties in response to environmental stressors, due to several composition-dependent degradation mechanisms. In this work, we apply data visualization and machine learning (ML) techniques to reveal unexpected correlations between composition, temperature, and material properties while using high throughput, in situ environmental photoluminescence (PL) experiments. Correlation heatmaps show the strong influence of Cs content on film degradation, and dimensionality reduction visualization methods uncover clear composition-based data clusters. An extreme gradient boosting algorithm (XGBoost) effectively forecasts PL features for ten perovskite films with both composition-agnostic (>85% accuracy) and composition-dependent (>75% accuracy) model approaches, while elucidating the relative feature importance of composition (up to 99%). This model validates a previously unseen anti-correlation between Cs content and material thermal stability. Our ML-based framework can be expanded to any perovskite family, significantly reducing the analysis time currently employed to identify stable options for photovoltaics.
• Abstract（参考訳）: ハロゲン化ペロブスカイトは、いくつかの組成依存的な劣化機構のため、環境ストレスに反応して予測不可能な性質を示す。 本研究では,高スループット環境光発光(PL)実験において,合成,温度,材料特性の予期せぬ相関関係を明らかにするために,データ可視化と機械学習(ML)技術を適用した。 相関熱マップはCs含有量がフィルム劣化に与える影響を強く示し, 明快な合成データクラスタを明らかにする次元減少可視化手法である。 極勾配促進アルゴリズム (XGBoost) は組成に依存しない(>85%の精度)と合成に依存した(>75%の精度)モデルアプローチの両方で10個のペロブスカイトフィルムのPL特性を効果的に予測し、組成の相対的特徴の重要性を解明する(最大99%)。 このモデルでは、Cs含有量と材料熱安定性との間には、これまで見つからなかった反相関が検証されている。 我々のMLベースのフレームワークはどんなペロブスカイト族にも拡張可能であり、太陽光発電の安定した選択肢を特定するために現在使われている分析時間を著しく削減できる。

関連論文リスト

• Causal Discovery from Data Assisted by Large Language Models [50.193740129296245]
  知識駆動発見のために、実験データと事前のドメイン知識を統合することが不可欠である。 本稿では、高分解能走査透過電子顕微鏡(STEM)データと大規模言語モデル(LLM)からの洞察を組み合わせることで、このアプローチを実証する。 SmドープBiFeO3(SmBFO)におけるChatGPTをドメイン固有文献に微調整することにより、構造的、化学的、分極的自由度の間の因果関係をマッピングするDAG(Directed Acyclic Graphs)の隣接行列を構築する。
  論文  参考訳（メタデータ） (2025-03-18T02:14:49Z)
• Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
  残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。 本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:36:24Z)
• Physics-based material parameters extraction from perovskite experiments via Bayesian optimization [1.3715952314920519]
  有機金属ペロブスカイト半導体の基本材料パラメータを最大8まで抽出できる分析プラットフォームを開発した。 熱劣化の例としては、キャリア移動率とトラップアシスト組換え係数が顕著に低下することが示されている。
  論文  参考訳（メタデータ） (2024-02-16T22:14:21Z)
• Tabular Two-Dimensional Correlation Analysis for Multifaceted Characterization Data [0.0]
  多面的特徴量データから特徴量抽出のための2次元相関解析を提案する。 本稿では, 位相ラグ(刺激からの非同期変化)とパラメータ類似性(パラメータ類似性)が, 材料の構造変化のシーケンスを照らし出す方法を示す。
  論文  参考訳（メタデータ） (2023-11-27T10:41:28Z)
• Compositional Representation of Polymorphic Crystalline Materials [56.80318252233511]
  PCRLは,構成の確率論的モデリングを用いて,利用可能な構造情報から多型を抽出する手法である。 16のデータセットに対する広範囲な評価は、構成表現の学習におけるPCRLの有効性を示す。
  論文  参考訳（メタデータ） (2023-11-17T20:34:28Z)
• Probabilistic Physics-integrated Neural Differentiable Modeling for Isothermal Chemical Vapor Infiltration Process [3.878427803346315]
  化学気相浸透(CVI)は、炭素-炭素および炭化炭素-ケイ素複合化合物の製造に広く用いられている製造技術である。 CVI中の密度化過程は, これらの複合材料の最終性能, 品質, 整合性に重要な影響を及ぼす。 我々は物理積分型ニューラル微分可能(PiNDiff)モデリングフレームワークを用いたデータ駆動予測モデルを開発した。
  論文  参考訳（メタデータ） (2023-11-13T23:25:18Z)
• Bayesian inference of composition-dependent phase diagrams [47.79947989845143]
  本研究では,分子動力学(MD),融点シミュレーション,フォノン計算からの熱力学データを合成し,これらのデータを処理し,温度集中相図を生成する手法を開発した。 開発したアルゴリズムは,Ge-SiとK-Naの2つの二元系において,全濃度および温度で試験に成功した。
  論文  参考訳（メタデータ） (2023-09-03T20:57:10Z)
• Dynamically Scaled Temperature in Self-Supervised Contrastive Learning [11.133502139934437]
  本稿では,コサインの類似性に依存した温度スケーリング機能を提案することで,自己教師型学習におけるInfoNCE損失の性能向上に着目する。 実験的な証拠は、提案フレームワークが損失ベースのSSLアルゴリズムよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-08-02T13:31:41Z)
• Autonomous sputter synthesis of thin film nitrides with composition controlled by Bayesian optimization of optical plasma emission [0.0]
  制御された組成を有する薄膜のスパッタ堆積のための自律的ワークフローの設計と実装について報告する。 我々は, 蛍光X線で測定したフィルム組成を, 共スパッタ中に観測された発光線の線形関数としてモデル化した。 OESに通知されたベイズ制御アルゴリズムは、スパッタリングパワーの空間をナビゲートし、ユーザ定義の組成で映画を製作する。
  論文  参考訳（メタデータ） (2023-05-18T17:09:21Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• Regularization by Denoising Sub-sampled Newton Method for Spectral CT Multi-Material Decomposition [78.37855832568569]
  スペクトルctを用いたマルチマテリアル画像再構成のためのモデルベース最大後課題の解決法を提案する。 特に,プラグイン画像復号化機能に基づく正規化最適化問題について提案する。 スペクトルct材料分解の数値的および実験的結果を示す。
  論文  参考訳（メタデータ） (2021-03-25T15:20:10Z)
• Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
  本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。 実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
  論文  参考訳（メタデータ） (2020-07-30T05:48:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。