首页 鸿研 需求 视频 产品 专栏 招聘 活动 社区 APP下载 登录/注册
应用场景:机器学习
关键性能:在具备充足数据的hMOF_MOFX数据库中,Uni-MOF的预测精度高达0.98。在数据集CoRE_MAP上,Uni-MOF的预测精度达到0.83
标签属性:机器学习
应用场景:3D打印
关键性能:率先实现了3D打印可降解金属多孔植入物的临床应用,成功完成围关节骨折骨缺损修复30余例
标签属性:3D打印
应用场景:血压测量
关键性能:其性能显示血压平均误差小于3mmHg,误差标准差小于5 mmHg
标签属性:可穿戴
应用场景:晶体结构预测
关键性能:支持三维,二维晶体,分子晶体,表面重构,团簇,受限空间等体系的定组分和变组分搜索
标签属性:晶体结构预测 机器学习 材料设计
应用场景:自动化实验平台
关键性能:用ChatGPT作为核心串联起①真实世界的机械臂进行自动化实验,②本地或网上专业的材料数据库,③优化材料配方的主动学习算法。
标签属性:机器学习
应用场景:机器学习
关键性能:一种嵌入量子化学计算和图卷积神经网络的机器学习工作方法
标签属性:机器学习
应用场景:可穿戴人机交互系统
关键性能:该系统利用机器学习分类算法实现了对15种单一手势手语的识别和6种组合手势手语的识别(识别准确率分别达98.2%和98.9%)。系统整体的响应时间小于1s。
标签属性:可穿戴 柔性电子
应用场景:薄膜电容器
关键性能:在250 ℃极端温度下,充放电效率在90%以上的能量密度达到2.1J/cm3,为目前报道最高水平
标签属性:薄膜
应用场景:化学无序材料的智能预测
关键性能:与传统枚举法相比,LAsou方法仅需要非常少的第一性原理计算就可以快速找到热力学稳定的结构
标签属性:机器学习 第一性原理
应用场景:增材制造
关键性能:巧妙的将机器学习应用于4D打印材料的开发中,突破了传统工艺
标签属性:机器学习 增材制造
应用场景:数据驱动机器人合成纳米晶
关键性能:纳米晶高效逆向设计及合成
标签属性:机器学习
应用场景:确定材料的微结构
关键性能:仅需要非常少的第一性原理计算就可以快速找到热力学稳定的结构
标签属性:机器学习 第一性原理
应用场景:分子动力学模拟
关键性能:速度高、内存(显存)节约、安装简易
标签属性:机器学习 分子动力学模拟
应用场景:校正密度泛函理论(DFT)的计算数据
关键性能:形成焓预测数据(基于PBE泛函)与实验数据的误差仅为~0.06 eV/atom
标签属性:机器学习 材料计算模拟
应用场景:合金设计
关键性能:快速、自动发现具有最佳热、磁和电性能的高熵合金
标签属性:合金设计 机器学习
应用场景:超级电容器设计
关键性能:建立了3D打印碳微晶格电极结构参数与其超级电容性能之间的构效关系,为实现可定制的超级电容性能提供了合理的设计指导
标签属性:超级电容性能 机器学习 3D打印
应用场景:固体氧化物燃料电池
关键性能:ISA的极化分布与最佳结构有关,由于电子对的偏移,氧空位(VO)形成能和迁移势垒降低
标签属性:机器学习 氧还原电极设计
应用场景:超级电容性能的高效设计
关键性能:结果显示随机森林算法(RF)呈现出最佳的拟合效果,R2决定系数高达0.978而均方根误差低至0.073
标签属性:超级电容性能 机器学习 3D打印
应用场景:固体氧化物燃料电池阴极材料设计
关键性能:将机器学习、理论计算与陶瓷固体氧化物开发相结合,开发了一个经过实验验证的阴极材料机器学习筛选技术
标签属性:固体氧化物燃料电池阴极材料设计 机器学习
应用场景:锂离子电池的寿命预测
关键性能:对存储时间和能量吞吐量的推断的预测精度分别提高了38%和13%
标签属性:锂离子电池 机器学习
共 36 条   1/2页   首页   前页   后页   末页
我要发布产品
最新评分
热门标签
催化 电池 钙钛矿 3D建模 水凝胶 3D打印 柔性电子 石墨烯 燃料电池 机器学习