据公开资料显示，招标中船重工制氢加上最新的芒果TV在内，招标中船重工制氢进入阿里家庭娱乐开放生态链条中的企业包括了牌照方的华数、CIBN、芒果TV，内容端优酷，传统电视厂商中的海尔、康佳、长虹、海信、创维、夏普、飞利浦，互联网电视品牌微鲸等。
所设备(g)分别从原薄膜和阴离子交换后的薄膜提取的PL。将为家气(d)太阳光直射下CsPbBr3薄膜的照片。
(f)CsPbBr3与白云母对应的电子衍射，象局表明CsPbBr3的[001]与白云母的[001]平行。(d)假想的CsPbBr3在白云母上的不相称外延关系，提供CsPbBr3/白云母的晶体结构图中箭头分别标记[100]和[010]晶向。电解(f)CsPbBr3-CsPbI3异质结的棋盘状图案的PL图像。
文献链接：招标中船重工制氢Large-AreaSynthesisandPatterningofAll-InorganicLeadHalidePerovskiteThinFilmsandHeterostructures（NanoLett.,2021,DOI:10.1021/acs.nanolett.0c04594）本文由木文韬翻译，招标中船重工制氢材料牛整理编辑。(f)CsPbBr3的时间分辨光致发光，所设备拟合得到具有两种成分的寿命衰减，分别对应14.8ns的短寿命和170.2ns的长寿命。
将为家气(e)(d)中虚线圈标出的PL光谱。
通过结合电子束光刻和区域选择性阴离子交换，象局制备了CsPbBr3-CsPbI3异质结构阵列，具有空间调制的化学成分和光致发光。提供（e）分层域结构的横截面的示意图。
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，电解如金融、电解互联网用户分析、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。经过计算并验证发现，招标中船重工制氢在数据库中的26674种材料中，金属/绝缘体分类的准确度为86%，仅仅有2414种材料被误分类（图3-2）。
在数据库中，所设备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。此外，将为家气目前材料表征技术手段越来越多，对应的图形数据以及维度也越来越复杂，依靠人力的实验分析有时往往无法挖掘出材料性能之间的深层联系。
