MétaCan
Menu
Retour à la cohorte
Enregistrement W4409561025 · doi:10.1002/adfm.202506188

Flux‐Regulated Crystallization of Perovskites Using Machine Learning‐Predicted Solvent Evaporation Rates for X‐Ray Detectors

2025· article· en· W4409561025 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAdvanced Functional Materials · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueMachine Learning in Materials Science
Établissements canadiensUniversity of Victoria
Organismes subventionnairesDivision of Graduate EducationNatural Sciences and Engineering Research Council of CanadaAgência Nacional do Petróleo, Gás Natural e BiocombustíveisCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorCanada Research Chairs
Mots-clésMaterials scienceCrystallizationFlux (metallurgy)EvaporationDetectorX-ray detectorSolventX-rayChemical engineeringOptoelectronicsAnalytical Chemistry (journal)OpticsEnvironmental chemistryMetallurgyThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Flux‐regulated crystallization (FRC), a method that dynamically monitors and adjusts crystal growth from solutions in real time using computer vision and feedback control, has been recently introduced. Using FRC, centimeter‐scale perovskite single crystals at a linear growth rate of 0.2 mm h −1 with a standard deviation ( σ ) of 0.061 mm h −1 is synthesized. Here, machine learning is integrated into FRC to predict solvent evaporation rates during crystallization in real time, thus leading to an over threefold decrease in σ to 0.018 mm h −1 . This also results in improved reproducibility of perovskite crystallinity, as evidenced by average full width at half maximum of 22 ± 5 arcsec in X‐ray rocking curve measurements; and of perovskite X‐ray detectors, as evidenced by an average sensitivity of 4500 ± 500 µC Gy air −1 cm −2 at an electric field of 100 V cm −1 across 13 devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,286
Écart entre enseignants0,272 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle