立异算法筛选出54种高功用光伏资料

　　昆明理工大学资料科学与工程学院种晓宇、何京津、冯晶教授团队在“人工智能+资料”穿插范畴获得重要打破。

　　研讨团队提出了“接连搬迁”机器学习结构，成功处理了小数据集下资料多功用猜测的技能瓶颈，为新式功用资料的高效研制供给了新思路。

　　传统机器学习方法在资料功用猜测中常受限于数据稀缺问题，特别当方针功用样本量缺乏时，模型精度很难确保。针对这一应战，团队立异性地构建了“接连搬迁”学习战略。该战略首要根据海量资料的构成能数据练习高精度根底模型，再经过搬迁学习顺次猜测资料的稳定性、带隙、体积模量等要害功用。当面临仅 51 条数据的剪切模量猜测使命时，团队进一步以体积模量模型为“跳板”，进行二次搬迁，使小数据集下的猜测可靠性明显提高。

　　研讨团队从 1.8 万余种候选资猜中，快速筛选出 54 种兼具高稳定性与优异延展性的无机双钙钛矿涂层资料

　　其带隙值适配光伏使用需求，剪切模量与体积模量比值显示出高延展性，稳定性测验也验证了其潜在实用价值。这一效果不仅为钙钛矿太阳能电池、光催化等范畴供给了候选资料库，更证明了搬迁学习在资料多功用协同优化中的普适性，为其他资料的功用猜测与优化供给了可推行的结构。

　　据了解，此项研讨依托在该校的金属先进凝结成形及配备技能国家当地联合工程研讨中心完结，是昆明理工大学在资料信息学范畴的又一重要发展，为有用处理传统机器学习在数据稀缺场景下的功用瓶颈，破解“数据少、使命多”的资料研制难题供给了可推行的核算东西，也为资料多功用协同优化供给了高效核算范式。