末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

斯坦福大學AM: 機器學習+DFT驅動篩選新型超亮和空氣穩定光電陰極

斯坦福大學AM: 機器學習+DFT驅動篩選新型超亮和空氣穩定光電陰極
在現代X射線自由電子激光器 (XFEL) 中實現的高亮度、低發射度電子束使強大的X射線成像工具成為可能,使分子系統能夠在皮秒時間尺度和亞納米長度尺度上成像。提高XFEL亮度的最有希望的方向之一是開發新型光電陰極材料,目前開發光電陰極材料通常采用基于試錯法的迭代方法,成本高昂且低效。
斯坦福大學AM: 機器學習+DFT驅動篩選新型超亮和空氣穩定光電陰極
在此,美國斯坦福大學Evan R. Antoniuk, Evan J. Reed等人首次對高亮度光電陰極材料進行了數據驅動篩選。通過篩選超過74000種半導體材料,生成了一個龐大的光電陰極數據集,從而對高亮度光電陰極材料的性質提供了具有統計意義的見解。這種篩選產生了多種光電陰極材料,它們的本征發射率比目前使用的光電陰極低4倍。
斯坦福大學AM: 機器學習+DFT驅動篩選新型超亮和空氣穩定光電陰極
圖1. DFT計算光電陰極材料的本征發射率
在第二階段,作者對篩選出的材料再次進行多目標篩選識別,材料的DFT驗證證實了88% 的測試材料的預估低固有發射率,突出了篩選預測的穩健性。
識別的M2O(M = Na、K、Rb)家族具有與當前最先進的光電陰極材料相當的光電發射特性,此外還具有卓越的空氣穩定性。該系列可能代表了第一種內在明亮、可見光的光電陰極材料,這些材料可以抵抗與氧氣的反應,允許在干燥的空氣環境中運輸和儲存。
斯坦福大學AM: 機器學習+DFT驅動篩選新型超亮和空氣穩定光電陰極
圖2. 用于識別空氣穩定可見光光電陰極材料的篩選工作流程
Novel Ultrabright and Air-Stable Photocathodes Discovered from Machine Learning and Density Functional Theory Driven Screening, Advanced Materials 2021. DOI: 10.1002/adma.202104081

原創文章,作者:科研小搬磚,如若轉載,請注明來源華算科技,注明出處:http://www.zzhhcy.com/index.php/2023/10/15/dc5371c82a/

(0)

相關推薦

主站蜘蛛池模板: 洱源县| 革吉县| 廊坊市| 崇文区| 疏勒县| 兴业县| 武义县| 资源县| 易门县| 台湾省| 宜春市| 万载县| 无为县| 嵊泗县| 商河县| 德清县| 新建县| 济南市| 正镶白旗| 铜山县| 淮滨县| 三门峡市| 合川市| 夏邑县| 讷河市| 兴隆县| 博乐市| 大英县| 花莲市| 望江县| 岳西县| 乌苏市| 兴城市| 东乌| 武陟县| 澄城县| 九龙城区| 应城市| 依兰县| 慈利县| 宁化县|