应用场景：该工作对于云BMS系统利用量子计算能力进行SOH估计具有重要意义。

关键性能：具有良好的估计准确性、鲁棒性和泛化性。

标签属性：机器学习 锂离子

应用场景：生物3D打印类神经组织

关键性能：该墨水可通过增强3D打印微模块中“基质材料-NSC”的相互作用，增强NSC的机械敏感及传导能力，为NSC行为提供指导性信号，最终可有效加速生物3D打印类神经组织中的功能化神经网络构建进程，为实现高效的神经组织功能替代提出了一种切实可行的新策略

标签属性：生物3D打印

应用场景：深度学习

关键性能：由此方法得到的原子轨道基组哈密顿量不仅可以准确地重复出平面波方法计算得到的电子结构信息，还能够直接适配原有的DeepH框架并训练得到准确的神经网络模型。

标签属性：机器学习

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：有机氟化合物

关键性能：为科研人员、教育工作者和行业专业人士提供专业、可靠、时新和丰富的含氟化试剂的相关信息

标签属性：有机氟化合物

应用场景：3D打印

关键性能：率先实现了3D打印可降解金属多孔植入物的临床应用，成功完成围关节骨折骨缺损修复30余例

标签属性：3D打印

应用场景：传感器

关键性能：采用超薄氧化钛构建的人工突触阵列和有机接近传感器，极大的提高了柔性电极的机械稳定性，其在高达60%的应变松弛循环后，传感精度保持不变。

标签属性：电子皮肤

应用场景：高通量实时分析

关键性能：该技术可在50分钟内实时表征高达100902个单细胞，具有高稳定性、高通量、实时化和全流程自动化等特点

标签属性：高通量

应用场景：边缘智能的高能效、自适应的仿生视觉系统

关键性能：提高了系统的泛化能力和不同环境下的稳定性，并保留了储池计算硬件友好、网络轻量化、训练成本低等特点

标签属性：仿生

应用场景：机器学习

关键性能：一种嵌入量子化学计算和图卷积神经网络的机器学习工作方法

标签属性：机器学习

应用场景：可穿戴成像

关键性能：即使受试者正在进行剧烈运动，本文提供的策略也能够进行不间断的逐帧采集心脏图像

标签属性：可穿戴

应用场景：超级电容器设计

关键性能：建立了3D打印碳微晶格电极结构参数与其超级电容性能之间的构效关系，为实现可定制的超级电容性能提供了合理的设计指导

标签属性：超级电容性能 机器学习 3D打印

应用场景：超级电容性能的高效设计

关键性能：结果显示随机森林算法（RF）呈现出最佳的拟合效果，R2决定系数高达0.978而均方根误差低至0.073

标签属性：超级电容性能 机器学习 3D打印

应用场景：光电晶体管

关键性能： isQDSN内形成了独特的量子点空间分布，实现了高光敏特性

标签属性：人工视觉 纳米复合材料 量子点 光电晶体管

应用场景：智能忆阻器和神经网络学习

关键性能：展示了范德瓦尔斯材料具有的电场和应变场调控的自整流特性，使该材料对外界动态复杂环境变化具有灵敏的识别能力

标签属性：铁电体 智能忆阻器和神经网络学习 范德瓦尔斯材料

应用场景：设计降解酶

关键性能：在温和的温度下保持降解活性

标签属性：机器学习 塑料降解 蛋白质工程

应用场景：机器学习

关键性能：开发了自动化高通量工作流，获得决定硬质涂层性质的关键参数，并发展理论预测模型

标签属性：机器学习 密度泛函理论

应用场景：人脸检测

关键性能：实现了一个两层感知器以对10000个修改后的美国国家标准与技术研究院数字进行分类，准确度为93.23%

标签属性：神经网络

应用场景：光子突触器件

关键性能：基于这一器件架构，获得了巨大的光生电流信号放大，使得光探测灵敏度达到3.58×106 A/W，最低可检测光强低至nW量级

标签属性：半导体

应用场景：新材料研发

关键性能：以在质子交换膜燃料电池(PEMFC)中应用的膜电极组件(MEA)能的优化为例，成功地开创了可数字化的劳动密集性研究领域如何从机器学习中受益的先例

标签属性：燃料电池