例如，首都售电用非极性的有机物配体（BA丁胺）的BA2PBI4的激子集合能为482meV。
背景介绍得益于非富勒烯受体（NFA）的发展，电力有机太阳能电池（OSC）在过去几年发展迅速。BTO分子中吡咯上氮原子上用低聚乙二醇侧链（OEG）取代，交易OEG侧链因其亲水性、构象柔性和强的氢键相互作用而被广泛应用于修饰共轭聚合物。
中心正式光束诱导电流成像系统测试中PX加工的PM6:Y6:20%BTO:PC71BM大面积薄膜比PM6:Y6薄膜更均匀的光电流分布验证了该策略制备的大面积活性层薄膜具有更好的均一性。然而，公司当使用环境友好型溶剂加工活性层时，器件PCE通常会显著下降，这限制了OSC的实际应用。本工作的客体辅助组装策略为实现环境友好型溶剂制备高性能大面积OSC提供了一种独特方法，退市为OSC的工业化发展打下了坚实基础。
相比之下，首都售电不含客体BTO的器件PCE仅在12~14%之间（取决于活性层是否退火）。作者采用刮涂工艺法制备了10×10cm2的活性层薄膜，电力其刮涂过程示意图5a所示。
基于氯苯加工、交易不退火的PM6:Y6:20%BTO活性层的器件效率达到了16.39%，这一效率甚至高于基于低沸点溶剂氯仿制备的器件PCE（15.83%）。
基于该策略，中心正式研究人员制备了相关器件。文章详细介绍了机器学习在指导化学合成、公司辅助多维材料表征、公司获取新材料设计方法等方面的重要作用，并表示新一代的计算机科学，会对材料科学产生变革性的作用。
此外，退市随着机器学习的不断发展，深度学习的概念也时常出现在我们身边。【引语】干货专栏材料人现在已经推出了很多优质的专栏文章，首都售电所涉及领域也正在慢慢完善。
图3-11识别破坏晶格周期性的缺陷的深度卷积神经网络图3-12由深度卷积神经网络确定的无监督的缺陷分类图3-13不同缺陷态之间转移概率的分析4机器学习在材料领域的研究展望与其他领域，电力如金融、电力互联网用户分析、天气预测等相比，材料科学利用机器学习算法进行预测的缺点就是材料中的数据量相对较少。（i）表示材料的能量吸收特性的悬臂共振品质因数图像在扫描透射电子显微镜（STEM）的数据分析中，交易由于数据的数量和维度的增大，交易使得手动非原位分析存在局限性。
