红木八仙桌烧了一天一夜十年动乱之初，中电红木家具首当其冲地成了四旧。
PM6：电力BO-5Cl中的界面态和输运态是否由于其双重特性而受到比PM6：BO-4Cl中相关态更大的静态无序，还有待研究。在BO-5Cl晶体中，消费这种面内电子输运是通过两个交替跳跃通道进行的，其特征是转移积分分别为44.6和37.7meV。
然而，情况有机光伏的PCE仍然低于无机材料，情况例如硅（PCE高达26.7%）或GaAs（29.1%），这主要是由于较大的开路电压(Voc)损失对有机太阳能电池(OSCs)造成不利影响（最先进的PM6:Y6系统Voc损失约为0.55 eV）。本工作估计PM6：中电BO-4Cl、PM6：BO-5Cl和三元共混物中激子解离效率分别为95.8%、89.4%和93.1%。电力四种受体在溶液中的最大吸收峰出现在710~740nm(1.68-1.75eV)范围内。
消费这些器件是目前报道的认证PCE值最高的器件之一。然而，情况如图2a所示，不同的端基导致不同的分子堆积模式。
本工作通过实验和理论研究揭示了由不对称受体形成的更多样化的D:A界面构象诱导优化的混合界面能量学，中电这有助于通过平衡电荷产生和重组来提高器件性能。
重要的是，电力将BO-5Cl作为第三种成分加入到广泛研究的供体：受体(D:A)混合物PM6:BO-4Cl中，可使设备显示出18.2%的高认证PCE。那么在保证模型质量的前提下，消费建立一个精确的小数据分析模型是目前研究者应该关注的问题，消费目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。
文章详细介绍了机器学习在指导化学合成、情况辅助多维材料表征、情况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。在数据库中，中电根据材料的某些属性可以建立机器学习模型，便可快速对材料的性能进行预测，甚至是设计新材料，解决了周期长、成本高的问题。
图3-1机器学习流程图图3-2 数据集分类图图3-3 图3-3 带隙能与电离势关系图图3-4 模型预测数据与计算数据的对比曲线2018年Zong[5]等人采用随机森林算法以及回归模型，电力来研究超导体的临界温度。随后，消费2011年夏天，奥巴马政府宣布了材料基因组计划(MaterialsGenomeInitiative,简称MGI)，该计划在材料科学中掀起了一场革命。