L'apprentissage automatique peut accélérer la découverte des LED

Équivalent ampoules à incandescence fournisseur d'ampoules LED

Selon des médias étrangers, l'Université de Houston a annoncé que son algorithme d'apprentissage automatique pouvait prédire les caractéristiques de plus de 100 000 composés et identifier les composés les plus susceptibles d'être des luminophores à haute efficacité pour l'éclairage LED.

oem LED ampoules fournisseur chine

L'apprentissage automatique peut accélérer la découverte de nouveaux matériaux d'éclairage à LED
Parmi ceux-ci, un composé informatique appelé "borate de bismuth de sodium" synthétisé par les chercheurs, après l'avoir testé, a révélé qu'il offrait un rendement de 95% et une excellente stabilité thermique. Bien que la lumière produite par le composé de borate de sodium et de bismuth soit trop bleue pour être commercialement appropriée, les chercheurs ne sont pas découragés. Ils disent qu'ils peuvent maintenant trouver un matériau luminescent qui émet des longueurs d'ondes utiles grâce à des algorithmes d'apprentissage automatique.

Le professeur Jakoah Brgoch a déclaré: "Notre objectif est de développer des ampoules LED à haute efficacité, avec une excellente qualité de couleur et un faible coût."

Ampoules LED économiques Chine

Le projet de recherche aurait répertorié pour la première fois 118 287 composés de phosphore inorganique potentiels dans la base de données sur la structure cristalline de Pearson. L'apprentissage automatique recherche ensuite rapidement les propriétés clés de ces composés, y compris la compatibilité chimique et la température de Debye. Enfin, les 110 000 composés ci-dessus ont été réduits à plus de 2 000 par algorithmes.

Les chercheurs disent qu'il faut des semaines pour sélectionner des matériaux utiles selon les méthodes traditionnelles; Grâce aux algorithmes d’apprentissage automatique, environ 20 matériaux utiles peuvent être sélectionnés en 30 secondes.

Le professeur Brgoch a souligné que le projet fournissait de solides preuves que l'apprentissage par machine pouvait apporter une grande valeur au développement de matériaux performants.