杨俊龙于2016-2017年在MEMT课题组进行学术交流访问，博海其间在罗腾飞教授的指导下与庞云嵩合作在ACSNano期刊上发表了另一篇题为FunctionalizedGrapheneEnablesHighlyEfficientSolarThermalSteamGeneration的学术成果。

更为重要的是，拾贝低能量的Σ5(310)晶界会在第I类和第II类HDP的带隙中间产生深能级缺陷态，拾贝这些深能级缺陷态有可能会成为电子-空穴复合中心而极大地损害HDP的服役性能。此外，机械和很多其他半导体类似，本工作研究者发现在被缺陷或缺陷复合物钝化后的晶界中会出现能带弯曲的现象，这有利于HDP薄膜中载流子的分离。

清华大学材料学院博士生徐健为论文第一作者，飞升合作者包括北京计算科学研究中心的黄兵研究员。最近，博海新一代无铅卤化物双钙钛矿(HDPs)(A2B1+B3+X6)是一种有望克服有机无机卤化物钙钛矿材料固有缺点的稳定环保的光电材料。迄今为止，拾贝研究人员已成功合成了几种HDP，如Cs2AgInCl6、Cs2AgBiX6(X=Cl,Br)等。

机械b)具有原Σ3GB的Cs2AgInCl6的能带结构。飞升d)具有原Σ3GB的Cs2AgBiCl6的能带结构。

博海c)Cs2AgInCl6中Σ5(310)GB处Cli和InAg+Cli掺入对能带结构调控的示意图。

拾贝b)HSE+SOC计算的第I类HDP(以Cs2AgInCl6为例)和第II类HDP(以Cs2AgBiCl6为例)的电子能带结构。作者进一步扩展了其框架，机械以提取硫空位的扩散参数，机械并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。

那么在保证模型质量的前提下，飞升建立一个精确的小数据分析模型是目前研究者应该关注的问题，飞升目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：博海认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，博海对症下方，方能功成。

深度学习算法包括循环神经网络（RNN）、拾贝卷积神经网络（CNN）等[3]。当然，机械机器学习的学习过程并非如此简单