应用场景：机器视觉、环境监测、生物医药

关键性能：可达到约2.5 nm 的分辨率、约0.27 nm的平均波长偏差、高达5806的分辨力，以及约0.46%的分辨率与带宽比

标签属性：光谱

应用场景：锂离子电池的健康状态

关键性能：对于200mV的随机电压段，该方法SOH估计的均方根误差（RMSE）仅为0.57%，与最佳比较方法相比，RMSE提高了17.2%

标签属性：锂电池

应用场景：深度学习电子结构计算

关键性能：能在零训练数据的情形下利用基本物理原理实现DeepH优化学习。该方法通过在神经网络中嵌入物理规则，巧妙地将神经网络与变分DFT算法结合，形成了一种名为“神经网络DFT”的无监督学习框架。DeepH-Zero在模型精度和泛化能力方面显著超越了传统监督学习框架，它能够在不依赖任何训练计算数据的情况下，实现对材料物性的精准预测

标签属性：机器学习

应用场景：自动化实验平台

关键性能：用ChatGPT作为核心串联起①真实世界的机械臂进行自动化实验，②本地或网上专业的材料数据库，③优化材料配方的主动学习算法。

标签属性：机器学习

应用场景：实时连续监测传感器

关键性能：可实时、连续监测颅内生物标志物，且具有良好的传感性能

标签属性：光纤光学传感器

应用场景：深度学习

关键性能：从理论上证明了FastAdaBelief的收敛速度比其他自适应优化算法快，并且通过大量充分的实验验证了该算法的泛化能力比其他自适应优化算法强，这可以帮助完成很多场景下的深度模型训练任务，尤其是在样本数据短缺、硬件计算算力不足的情况下

标签属性：机器学习

应用场景：低维材料特别是一维材料的开发

关键性能：发现了一批新型的一维材料，并找到部分一维材料与二维材料结构图之间的子图同构关联

标签属性：人工智能 机器学习 图论

应用场景：神经形态计算器件

关键性能：通过单次电脉冲简单地重新配置钙钛矿NdNiO3器件，按需创建人工神经元、突触和记忆电容器，以用于可重构人工神经元和突触，模拟动态网络增量学习场景，大大优于静态网络。钙钛矿镍酸盐电子性质，及其对氢离子局部分布敏感性，使得基于这种记忆电容器件，在水库计算框架仿真计算，数字识别和心电图心跳活动分类等任务中，表明其优异性能。

标签属性：钙钛矿镍酸盐

应用场景：可穿戴电子产品、个性化健康监测、声音识别

关键性能：应变传感器显示出161.3°的大水接触角和3.8°的低滑动角 超疏水特性即使在经历1000次剥离循环、1000 次拉伸-释放循环和1000次弯曲-释放循环后也几乎保持不变，揭示了其优异的机械强度

标签属性：可穿戴电子

应用场景：超稳定纳米催化剂设计

关键性能：所揭示的Sabatier原理使载体的高通量筛选能够打破关系并提高所支撑NPs的烧结阻力

标签属性：催化 机器学习

应用场景：材料基因工程与材料信息学

关键性能：解决了系列材料信息学研究面临的关键技术难题

标签属性：人工智能

应用场景：低维材料制备

关键性能：验证了反应源的比例（RTe/W）与WTe2几何结构之前的强关联性

标签属性：机器学习 低维材料

应用场景：高活性、高选择性、高稳定性的催化剂的设计研发

关键性能：提出并建立了界面作用调控纳米催化剂生长动力学理论和双功能载体高通量筛选策略

标签属性：催化