Oberhofer, Harald (Prof. Dr.); Stein, Christopher (Prof. Dr.)
Sprache:
en
Fachgebiet:
NAT Naturwissenschaften (allgemein)
TU-Systematik:
NAT 000
Kurzfassung:
We study two energy materials: covalent organic frameworks and hybrid perovskites, used in semiconductors. Their charge transport properties are predicted using machine learning to design stable, highly conductive materials. Based on validated datasets, our studies highlight the role of structural input features and model interpretation in identifying key parameters for material optimization.
Übersetzte Kurzfassung:
Zwei Energiematerialien – COFs und hybride Perowskite – werden hinsichtlich ihrer Leitfähigkeit und Stabilität untersucht. Mithilfe maschinellen Lernens werden ihre Ladungsträgermobilität und Schlüsselmerkmale modelliert und analysiert, um Materialien mit optimalen Eigenschaften zu entwerfen. Die Studien basieren auf validierten Datensätzen und zeigen die Bedeutung strukturbezogener Eingangsmerkmale und Modellinterpretation.
Login
BibTeX