研究目的
利用机器学习模型预测荧光粉的激发波长,以降低固态照明应用中实验方法的成本和时间。
研究成果
机器学习模型(LASSO和ANN)成功以高精度(R2>0.99)预测了激发波长,证明其可作为实验方法的经济高效替代方案。未来工作应纳入更多特征和样本以提高准确性并解决矛盾结果。
研究不足
该模型基于小型数据集(49个样本),可能限制其普适性。部分材料呈现矛盾结果,表明存在潜在不准确性。该方法仅适用于简单分子结构,且可能未涵盖影响激发的所有因素。
研究目的
利用机器学习模型预测荧光粉的激发波长,以降低固态照明应用中实验方法的成本和时间。
研究成果
机器学习模型(LASSO和ANN)成功以高精度(R2>0.99)预测了激发波长,证明其可作为实验方法的经济高效替代方案。未来工作应纳入更多特征和样本以提高准确性并解决矛盾结果。
研究不足
该模型基于小型数据集(49个样本),可能限制其普适性。部分材料呈现矛盾结果,表明存在潜在不准确性。该方法仅适用于简单分子结构,且可能未涵盖影响激发的所有因素。
加载中....
您正在对论文“利用机器学习模型预测荧光粉的激发波长”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期