Artificial intelligence high-throughput prediction building dataset to enhance the interpretability of hybrid halide perovskite bandgap
5Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : kr. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Artificial intelligence high-throughput prediction building dataset to enhance the interpretability of hybrid halide perovskite bandgap
- Date Crossref
- 01/10/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Sungkyunkwan University Department of Future Energy Engineering pays non établi dans la noticeUniversité ou école supérieure
-
Kyungpook National University pays non établi dans la noticeUniversité ou école supérieure
-
School of Materials Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
-
School of Advanced Materials Science and Engineering pays non établi dans la noticeUniversité ou école supérieure
Department of Future Energy Engineering — Sungkyunkwan University, Kyungpook National University et School of Materials Science and Engineering, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Perovskite Materials and ApplicationsMachine Learning in Materials ScienceQuantum Dots Synthesis And Properties