据公开资料显示，起飞钱人加上最新的芒果TV在内，起飞钱人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。

快的想(g)分别从原薄膜和阴离子交换后的薄膜提取的PL。起飞钱人(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，快的想表明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，起飞钱人CsPbBr3/白云母的晶体结构图中箭头分别标记[100]和[010]晶向。快的想(f)CsPbBr3-CsPbI3异质结的棋盘状图案的PL图像。

 文献链接：起飞钱人Large-AreaSynthesisandPatterningofAll-InorganicLeadHalidePerovskiteThinFilmsandHeterostructures（NanoLett.,2021,DOI:10.1021/acs.nanolett.0c04594）本文由木文韬翻译，起飞钱人材料牛整理编辑。(f)CsPbBr3的时间分辨光致发光，快的想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。

起飞钱人(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，快的想制备了CsPbBr3-CsPbI3异质结构阵列，具有空间调制的化学成分和光致发光。起飞钱人（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，快的想如金融、快的想互联网用户分析、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，起飞钱人在数据库中的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，快的想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，起飞钱人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。