▲休斯顿大学的研究人员发明了一种新的机器学习算法，这种算法十分高效，不仅可以在个人电脑上运行，还能预测超过10万种化合物的性质，以寻找最有可能成为LED照明的高效荧光粉。
美国休斯顿大学的研究人员近期发明了一种新的十分高效的机器学习算法，这种算法不仅可以在个人电脑上运行，还能预测超过10万种化合物的性质，以寻找最有可能成为LED照明的高效荧光粉。研究人员根据预测计算结果，合成并测试了其中一种化合物——钠-钡-硼酸盐，并确定其具有95%的效率和优异的热稳定性。化学助理教授Jakoah Brgoch及其实验室成员于10月22日将以上研究成果发表在了《自然·通讯》杂志上。
研究人员利用机器学习技术快速扫描了大量的化合物，以确定其关键属性，包括德拜温度和化学相容性。Brgoch之前已经证明德拜温度与荧光粉效率相关。以发光二极管(LED)为基础的灯泡需少量稀土元素才能工作，通常是铕或铈（可以在陶瓷或氧化物宿主中得到），这两种材料之间的相互作用决定了LED灯的性能。而该研究的重点是快速预测宿主材料的性能。
Brgoch说，该项目提供了强有力的证据，证明机器学习可以为开发高性能材料带来利用价值，这是一个传统上由反复试验和简单经验法则指导的领域。
编译：Coke
审稿：三水
责编：南熙
