学术背景 钙钛矿材料因其在太阳能电池和其他电子器件中的广泛应用而备受关注。其光学性质（如带隙和晶格振动）可以通过调整化学组成来灵活调控。尽管从钙钛矿结构预测光学性质的研究已经较为成熟，但如何从光学数据反向预测化学组成却一直是一个难题。这一问题的解决对于加速钙钛矿材料的开发和生产具有重要意义，尤其是在大规模工业生产中，快速筛选和验证新材料的化学组成将极大地提高生产效率。 为了应对这一挑战，研究者们提出了一种结合高通量合成、高分辨率光谱技术和机器学习（特别是人工神经网络，ANN）的创新方法。通过这种方法，他们不仅能够高效合成多种化学组成的钙钛矿材料，还能够通过光学数据准确预测其化学组成。这一研究为钙钛矿材料的快速筛选和优化提供了新的工具。 论文来源 该研究由来自Michigan State Un...

学术背景 随着物联网和可穿戴电子设备的快速发展，智能传感器在生理监测、智能服装和人机交互等领域的需求日益增长。特别是柔性多功能传感器，因其在皮肤湿度检测、生理活动监测等方面的潜在应用而备受关注。然而，现有的可视化多功能湿度-应变传感器在集成后仍面临诸多挑战，如传感性能不佳、耐久性差、温度干扰明显以及大规模生产困难等问题。为了解决这些问题，研究人员开始探索新型材料和结构设计，以提升传感器的性能和稳定性。 钙钛矿材料因其优异的光学性能、低成本和易于制备等特点，近年来在智能可穿戴电子设备中得到了广泛应用。然而，钙钛矿材料在湿度和机械应变环境下的稳定性问题仍然是一个技术瓶颈。为此，本研究提出了一种基于超稳定钙钛矿发光纤维的柔性、可视化多功能湿度-应变传感器，旨在通过创新的材料和结构设计，解决现有传感...