高精度筛选
通过机器学习结合DFT加速筛选过渡金属掺杂WX₂材料，高效识别对C₄F₇N分解物具有灵敏响应的传感材料，为电力绝缘设备状态评估提供新方案。
崔豪 · Yijian, Pu · Wu, Hailong · Yinhang, Zhang · Zhang, Xiaoxing · 胡建
ACS Sensors 2026
通过建立特征描述符并训练优化八种机器学习模型，确定的最优模型能够高精度预测吸附能和带隙调制这两个关键参数，避免了大量昂贵的DFT计算。
对筛选出的8种材料进一步进行传感响应分析，展示了它们对典型气体物种的潜在敏感性，从而可以在实验前判断材料是否可能满足检测需求。
该方法不仅加速了WX₂基传感材料的发现，还为先进气体传感器的合理设计奠定了基础，从而可以更快地实现电力系统中的绝缘评估。