Hier sind ein paar Dinge zu beachten bei der Auswahl von LED-Glühbirnen ...
Effizienz, Farbtemperatur, Farbwiedergabe, Wärmeleistung, Lebensdauer usw.
Maschinelles Lernen kann die Entdeckung von LED beschleunigen
2018-11-08 20:32:04
Medienberichten zufolge hat die University of Houston angekündigt, dass der Algorithmus für maschinelles Lernen die Eigenschaften von mehr als 100.000 Verbindungen vorhersagen und die Verbindungen identifizieren kann, die höchstwahrscheinlich hocheffiziente Leuchtstoffe für LED-Beleuchtung sind.
Gleichwertige Glühlampen LED-Glühlampenlieferant
Laut ausländischen Medienberichten hat die University of Houston angekündigt, dass ihr Algorithmus für maschinelles Lernen die Eigenschaften von mehr als 100.000 Verbindungen vorhersagen und die Verbindungen identifizieren kann, die höchstwahrscheinlich hocheffiziente Leuchtstoffe für LED-Beleuchtung sind.
oem led-lampen lieferant china
Maschinelles Lernen kann die Entdeckung neuer LED-Beleuchtungsmaterialien beschleunigen
Unter ihnen fand eine berechenbare Verbindung mit der Bezeichnung "Natriumbismutborat", die von den Forschern nach Testung synthetisiert wurde, einen Wirkungsgrad von 95% und eine hervorragende thermische Stabilität. Obwohl das von der Natriumbismutboratverbindung erzeugte Licht zu blau ist, um kommerziell geeignet zu sein, wird von den Forschern nicht abgeraten. Sie sagen, dass sie jetzt ein Lumineszenzmaterial finden können, das mithilfe maschineller Lernalgorithmen nützliche Wellenlängen emittiert.
Professor Jakoah Brgoch sagte: "Unser Ziel ist es, LED-Lampen mit hoher Effizienz, ausgezeichneter Farbqualität und niedrigen Kosten zu entwickeln."
Wirtschaftliche LED-Birnenfabrikporzellan
Es wird berichtet, dass das Forschungsprojekt erstmals 118.287 potentielle anorganische Phosphorverbindungen aus der Pearson-Kristallstrukturdatenbank auflistete. Das maschinelle Lernen sucht dann schnell nach den wichtigsten Eigenschaften dieser Verbindungen, einschließlich der Debye-Temperatur und der chemischen Kompatibilität. Schließlich wurden die obigen 110.000 Verbindungen durch Algorithmen auf mehr als 2.000 reduziert.
Die Forscher sagen, es brauche Wochen, um nützliche Materialien mit traditionellen Methoden auszuwählen. Mit maschinellen Lernalgorithmen können in 20 Sekunden ca. 20 nützliche Materialien ausgewählt werden.
Professor Brgoch wies darauf hin, dass das Projekt eindeutige Beweise dafür liefert, dass maschinelles Lernen einen großen Wert für die Entwicklung von Hochleistungsmaterialien darstellen kann.