Гигантские светодиодные лампы накаливания
Гибкие гибкие светодиодные лампы накаливания
Светодиодные лампы накаливания
Светодиодные строковые огни
Домой > Новости > Промышленные новости > Машиноведение может ускорить о.....
Горячие продукты сбыта
Сертификаты
Связаться с нами
INNOTECH INDUSTRIAL COMPANY LIMITED
Офис: # 1201, 12 / F., Здание Аньхой, No.6007 Шеннан-роуд, Шэньчжэнь, Китай.
Тел .: + 86-755 8276 9313, 8276 9316, Факс: + 86-755-8276 9319
Wechat: +8618938659461, Whatsapp: +8618938659461
Электронная почта: info@innolitech.com, Веб-сайт: www.ledlightingsupplierchina.comСвязаться с предприятием
Онлайновый каталог
Онлайновый каталог

Новости

Машиноведение может ускорить открытие светодиодов

Согласно сообщениям СМИ, Университет Хьюстона объявил, что его алгоритм машинного обучения может предсказать свойства более 100 000 соединений и определить соединения, которые, скорее всего, будут высокоэффективными люминофорами для светодиодного освещения.


Эквивалент Лампы накаливания Светодиодные лампы поставщик

По данным зарубежных СМИ, Университет Хьюстона объявил, что его алгоритм машинного обучения может предсказать характеристики более 100 000 соединений и определить соединения, которые, скорее всего, будут высокоэффективными люминофорами для светодиодного освещения.


oem светодиодные лампы поставщик Китай

Машиноведение может ускорить открытие новых светодиодных осветительных материалов
Среди них вычислимое соединение под названием «борат натрия висмута», синтезированное исследователями, после его тестирования показало, что оно обеспечивает 95% -ную эффективность и отличную термическую стабильность. Хотя свет, получаемый соединением бората натрия висмута, является слишком синим, чтобы быть коммерчески пригодным, исследователи не обескуражены. Говорят, теперь они могут найти люминесцентный материал, который испускает полезные длины волн с помощью алгоритмов машинного обучения.


Профессор Jakoah Brgoch сказал: «Наша цель - разработать светодиодные лампы с высокой эффективностью, отличным качеством цвета и низкой стоимостью».


Экономические светодиодные лампы завод Китай

Сообщается, что в исследовательском проекте впервые были указаны 118 287 потенциальных неорганических соединений фосфора из базы данных кристаллической структуры Пирсона. Затем машинное обучение быстро сканирует ключевые свойства этих соединений, включая температуру Дебая и химическую совместимость. Наконец, вышеупомянутые 110 000 соединений были сведены к более чем 2000 алгоритмами.


Исследователи говорят, что для сбора полезных материалов с помощью традиционных методов требуется несколько недель; с алгоритмами машинного обучения, около 20 полезных материалов могут быть собраны за 30 секунд.


Профессор Бргох отметил, что проект дает убедительные доказательства того, что машинное обучение может принести большую пользу разработке высокопроизводительных материалов.