基于机器学习的卤化物双钙钛矿材料性能预测

以卤化物双钙钛矿材料为研究对象,利用机器学习方法高速、高精确预测卤化物双钙钛矿材料的带隙和相对稳定性。使用贝叶斯岭回归、梯度提升回归、支持向量回归和XGBoost这4种算法建立模型,分析得出:梯度提升回归可为相对稳定性提供最高性能预测(R^(2)=0.9161,MAE=0.2061),XGBoost可为带隙提供最高性能预测(R^(2)=0.9899,MAE=0.0542);采用SHAP方法解释模型后,对元素替换后的新样本进行筛选,最终获得18种光吸收范围理想且稳定性良好的卤化物双钙钛矿。结果表明,相比传统方法,基于数据驱动的机器学习方法可有效加速功能材料的发现,提高设计效率。

GaAs太阳电池中减反射薄膜的梯度折射率调控

使用溶胶凝胶法制备了TiO_(2)和SiO_(2)两种材料,结合梯度折射率的结构设计将不同比例的TiO_(2)/SiO_(2)沉积在GaAs太阳能电池上实现宽带减反射效果,最终制备的6层减反射薄膜在200~1 800 nm的波长范围内平均反射率为8.7%,同时确定了300℃的退火温度和1 000μm/s的提拉速度为制备薄膜的最佳工艺条件.

新型模板剂——SA在溶胶—凝胶法制备空心SiO_(2)薄膜中的应用

本文采用乳液聚合的方法,以苯乙烯(St)和丙烯酸(AA)作为油溶性硬单体、以丙烯酸丁酯(nBA)作为软单体、以过硫酸铵(APS)作为水溶性引发剂、以十二烷基磺酸钠(SLS)作为乳化剂(阴离子表面活性剂),研究制备了可用做空心球SiO_(2)减反射膜模板剂核的苯乙烯-丙烯酸酯乳液(styrene-acrylate,SA),并采用体积比3-缩水甘油基氧基丙基三甲氧基硅烷(OF)∶正硅酸乙酯(TEOS)=1∶2构成的有机-无机双硅源前驱体,采用溶胶-凝胶技术,以碱催化有机和无机双硅源作为空心球SiO_(2)纳米颗粒表面的疏水修饰剂和交联剂,通过系统调控两种硅源与空心球SiO_(2)配比,获得基于致密空心球SiO_(2)的减反射膜(HSNs);并系统研究了有机硅源与无机硅源参与的化学反应及其对制备减反射膜的防潮性能、力学性能以及光学性能的影响,从开发一种新型模板剂入手,解决空心球SiO_(2)减反射膜在光伏太阳电池应用中存在的问题。

利用增强现实改进大学物理实验课程的探究

增强现实(Augmented Reality,AR)是一项值得期待的能够革新传统教育的技术。该技术连接了虚拟对象和真实世界,能够让复杂的空间关系和抽象概念可视化,使学习者体验现实世界中不可能出现的现象。分析了国内外增强现实在教育领域的发展现状,结合大学物理实验课程现有问题,提出了一种将增强现实技术和大学物理实验课程结合的新思路。通过一个实验改革实例,对此思路进行了探索性的研究,并结合实例详细分析了如何解决目前大学物理实验课程的问题,以期为推动增强现实在大学物理实验课程中的应用。