（d-f）MSMAPbI3-xClx-P，款折叠只需制冷SMMAPbI3-xClx和SMMAPbI3-xClx-MA薄膜的SEM图像。
然而，冰箱不用工业相关电流密度下的氢气和氧气生产活性不足以及电极表面的长期催化剂稳定性阻碍了这种方法的工业转化。最近，瓶矿迫切需要用于电动汽车(EV)的高体积和重量能量密度电池。
微型电池作为一种高能量密度的微电源，泉水在不同的微电子系统或器件中保持了灵活集成的优势，泉水但与电容器相比，功率密度相对较低，循环稳定性较差。款折叠只需制冷锂离子电池由于其高工作电压和长循环寿命而被广泛应用。与氰基六氰基铁酸铁(FeHCF)阴极配对，冰箱不用FeHCF//MXene@Zn全电池提供卓越的循环耐久性和倍率能力，其使用寿命接近100%，达到850%的裸锌粉末同类产品。
然而，瓶矿由于不令人满意的理论锂存储容量，其作为必要的电化学储能装置的进一步应用受到限制。这项工作为可充电水性锌离子电池的进展奠定了基础，泉水同时揭示了柔性储能设备的实际应用潜力。
这种纳米结构表面重建策略为优化电极结构提供了新的方向，款折叠只需制冷丰富了集成微电子器件的高性能输出单元。
在各种选择中，冰箱不用基于天然丰富且廉价的碱金属离子（钠离子Na+、钾离子K+）的电化学装置备受关注。参考文献[1]K.T.Butler,D.W.Davies,H.Cartwright,O.Isayev,A.Walsh,Nature,559(2018)547.[2]D.-H.Kim,T.J.Kim,X.Wang,M.Kim,Y.-J.Quan,J.W.Oh,S.-H.Min,H.Kim,B.Bhandari,I.Yang,InternationalJournalofPrecisionEngineeringandManufacturing-GreenTechnology,5(2018)555-568.[3]周子扬,电子世界,(2017)72-73.[4]O.Isayev,C.Oses,C.Toher,E.Gossett,S.Curtarolo,A.Tropsha,Naturecommunications,8(2017)15679.[5]V.Stanev,C.Oses,A.G.Kusne,E.Rodriguez,J.Paglione,S.Curtarolo,I.Takeuchi,npjComputationalMaterials,4(2018)29.[6]A.Rovinelli,M.D.Sangid,H.Proudhon,W.Ludwig,npjComputationalMaterials,4(2018)35.[7]J.C.Agar,Y.Cao,B.Naul,S.Pandya,S.vanderWalt,A.I.Luo,J.T.Maher,N.Balke,S.Jesse,S.V.Kalinin,AdvancedMaterials,30(2018)1800701.[8]R.K.Vasudevan,N.Laanait,E.M.Ferragut,K.Wang,D.B.Geohegan,K.Xiao,M.Ziatdinov,S.Jesse,O.Dyck,S.V.Kalinin,npjComputationalMaterials,4(2018)30.[9]A.Maksov,O.Dyck,K.Wang,K.Xiao,D.B.Geohegan,B.G.Sumpter,R.K.Vasudevan,S.Jesse,S.V.Kalinin,M.Ziatdinov,npjComputationalMaterials,5(2019)12.[10]Y.Zhang,C.Ling,NpjComputationalMaterials,4(2018)25.[11]H.Trivedi,V.V.Shvartsman,M.S.Medeiros,R.C.Pullar,D.C.Lupascu,npjComputationalMaterials,4(2018)28.往期回顾：瓶矿认识这些带你轻松上王者——电催化产氧（OER）测试手段解析新能源材料领域常见的碳包覆法——应用及特点单晶培养秘诀——知己知彼，瓶矿对症下方，方能功成。
并利用交叉验证的方法，泉水解释了分类模型的准确性，精确度为92±0.01%（图3-9）。此外，款折叠只需制冷作者利用高斯拟合定量化磁滞转变曲线的幅度，款折叠只需制冷结合机器学习确定了峰/谷c/a/c/a - a1/a2/a1/a2域边界上的铁弹性增加的特征（图3-10），而这一特征是人为无法发掘的。
冰箱不用（h）a1/a2/a1/a2频段压电响应磁滞回线。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，瓶矿来研究超导体的临界温度。