一级黄色网站在线视频看看,久久精品欧美一区二区三区 ,国产偷国产偷亚洲高清人乐享,jy和桃子为什么绝交,亚洲欧美成人网,久热九九

如何準(zhǔn)確并且快速獲取材料的微觀性質(zhì)對于催化和電催化領(lǐng)域的研究非常重要。光譜等表征技術(shù)能夠研究材料的微觀性質(zhì)，而且通過與機器學(xué)習(xí)結(jié)合后能夠快速準(zhǔn)確的預(yù)測光譜等表征結(jié)果。但是機器學(xué)習(xí)模型的應(yīng)用需要模型的訓(xùn)練，并且面臨著數(shù)據(jù)不均勻和溶劑性質(zhì)不同等問題。

有鑒于此，中國科學(xué)技術(shù)大學(xué)江俊、王洋等通過第一性原理和數(shù)據(jù)模型之間結(jié)合的策略，使用DFT理論計算了23種不同溶劑體系的CO-Ag吸附光譜，并且通過分層知識提取的混合專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)（HMNN, hierarchical knowledge extraction multiexpert neural network），能夠有助于理解不同溶劑體系之間的未知信息。

本文要點：

（1）

進行兩個訓(xùn)練層次：在第一層的訓(xùn)練中，對光譜-性質(zhì)之間的關(guān)系進行定量，得到光譜-性質(zhì)的定量關(guān)系QSPRs（quantitative spectra–property relationships）；在第二層的訓(xùn)練中，將第一層訓(xùn)練的光譜-性質(zhì)定量關(guān)系和動態(tài)專家模塊和理解溶劑的區(qū)別進行集成。

（2）

這項工作展示HMNN能夠非常有效的理解分子吸附的性質(zhì)，對于未知溶劑的吸附預(yù)測的誤差小于0.008 eV。這項工作展示了HMNN技術(shù)的可用性、可靠性和方便性，有助于QSPR實時獲取材料的微觀性質(zhì)。

參考文獻

Wenjie Du, Fenfen Ma, Baicheng Zhang, Jiahui Zhang, Di Wu, Edward Sharman, Jun Jiang*, and Yang Wang*，Spectroscopy-Guided Deep Learning Predicts Solid–Liquid Surface Adsorbate Properties in Unseen Solvents, J. Am. Chem. Soc. 2023

DOI: 10.1021/jacs.3c10921

https://pubs.acs.org/doi/10.1021/jacs.3c10921