Olbrzymia żarówka LED żarówki
Giant Elastyczne żarówki żarówek LED
Vintage żarówki żarówki LED
Światła LED
Dom > Aktualności > Wiadomości przemysłowe > Uczenie maszynowe może przyspi.....
Produkty sprzedaży na gorąco
Certyfikaty
Kontakt z nami
INNOTECH INDUSTRIAL COMPANY LIMITED
Biuro: # 1201, 12 / F., Budynek w Anhui, No.6007 Shennan Road, Shenzhen, Chiny.
Tel .: + 86-755 8276 9313, 8276 9316, Faks: + 86-755-8276 9319
Wechat: +8618938659461, Whatsapp: +8618938659461
E-mail: info@innolitech.com, strona internetowa: www.ledlightingsupplierchina.comSkontaktuj się teraz
Katalog on-line
Katalog on-line

Aktualności

Uczenie maszynowe może przyspieszyć odkrycie diody LED

Według doniesień medialnych, Uniwersytet w Houston ogłosił, że jego algorytm uczenia maszynowego może przewidywać właściwości ponad 100 000 związków i identyfikować związki, które najprawdopodobniej będą luminoforami o wysokiej wydajności do oświetlenia LED.


Żarówki ekwiwalentne Żarówki LED dostawca

Według doniesień mediów zagranicznych, Uniwersytet w Houston ogłosił, że jego algorytm uczenia maszynowego może przewidywać cechy ponad 100 000 związków i identyfikować związki, które najprawdopodobniej będą luminoforami o wysokiej wydajności do oświetlenia LED.


oem Żarówki LED dostawca Chiny

Uczenie maszynowe może przyspieszyć odkrycie nowych materiałów oświetleniowych LED
Spośród nich, obliczalny związek o nazwie "boran sodowy bizmutu", zsyntetyzowany przez naukowców, po przetestowaniu go, stwierdził, że zapewnia on 95% wydajności i doskonałą stabilność termiczną. Chociaż światło wytwarzane przez związek boranu sodowo-bizmutowego jest zbyt niebieskie, aby mogło być komercyjnie odpowiednie, naukowcy nie są zniechęcani. Mówią, że mogą teraz znaleźć luminescencyjny materiał, który emituje użyteczne fale za pomocą algorytmów uczenia maszynowego.


Profesor Jakoah Brgoch powiedział: "Naszym celem jest opracowanie żarówek LED o wysokiej wydajności, doskonałej jakości kolorów i niskich kosztach."


Ekonomiczne żarówki LED fabryki porcelany

Podano, że w projekcie badawczym wymieniono po raz pierwszy 118 287 potencjalnych nieorganicznych związków fosforu z bazy danych struktury krystalicznej Pearsona. Uczenie maszynowe następnie szybko skanuje kluczowe właściwości tych związków, w tym temperaturę Debye i zgodność chemiczną. Ostatecznie, powyższe 110 000 związków zredukowano do ponad 2000 za pomocą algorytmów.


Naukowcy twierdzą, że znalezienie przydatnych materiałów za pomocą tradycyjnych metod zajmuje tygodnie; Dzięki algorytmom uczenia maszynowego około 20 użytecznych materiałów można zebrać w 30 sekund.


Profesor Brgoch zwrócił uwagę, że projekt dostarcza mocnych dowodów na to, że uczenie maszynowe może wnieść dużą wartość do rozwoju materiałów o wysokiej wydajności.