Performance prediction of high-entropy perovskites La0.8Sr0.2MnxCoyFezO3 with automated high-throughput characterization of combinatorial libraries and machine learning - Archive ouverte HAL
Article Dans Une Revue Advanced Materials Année : 2024

Performance prediction of high-entropy perovskites La0.8Sr0.2MnxCoyFezO3 with automated high-throughput characterization of combinatorial libraries and machine learning

Carlota Bozal-Ginesta
Catalonia Institute for Energy Research
Department of Chemistry [University of Toronto]
Juande Sirvent
Catalonia Institute for Energy Research
Giulio Cordaro
Laboratoire Structures, Propriétés et Modélisation des solides
Sarah Fearn
Imperial College London
Sergio Pablo-García
  • Fonction : Auteur
Department of Chemistry [University of Toronto]
Francesco Chiabrera
Catalonia Institute for Energy Research
Changhyeok Choi
  • Fonction : Auteur
Department of Chemistry [University of Toronto]
Lisa Laa
Catalonia Institute for Energy Research
Marc Núñez
  • Fonction : Auteur
Catalonia Institute for Energy Research
Andrea Cavallaro
  • Fonction : Auteur
Imperial College London
Fjorelo Buzi
  • Fonction : Auteur
Catalonia Institute for Energy Research
Ainara Aguadero
  • Fonction : Auteur
Imperial College London
The Faraday Institution
Department of Materials
Guilhem Dezanneau
  • Fonction : Auteur
Laboratoire Structures, Propriétés et Modélisation des solides
John Kilner
  • Fonction : Auteur
Imperial College London
Alex Morata
  • Fonction : Auteur
Catalonia Institute for Energy Research
Federico Baiutti
  • Fonction : Auteur
Catalonia Institute for Energy Research
Alán Aspuru-Guzik
Department of Chemistry [University of Toronto]
Canadian Institute for Advanced Research
Albert Tarancón
  • Fonction : Auteur
  • PersonId : 1438428
Catalonia Institute for Energy Research

Domaines

Physique [physics]
Fichier sous embargo
Fichier sous embargo
0 ― 5 ― 6
Année Mois Jours
Avant la publication
mardi 6 mai 2025

Céline FREYDIER  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-04773782

Soumis le : vendredi 8 novembre 2024-13:37:00

Dernière modification le : jeudi 28 novembre 2024-03:13:16

Fichier sous embargo
mardi 6 mai 2025
Connectez-vous pour demander l'accès au fichier

Dates et versions

hal-04773782 , version 1 (08-11-2024)

Identifiants

Citer

Carlota Bozal-Ginesta, Juande Sirvent, Giulio Cordaro, Sarah Fearn, Sergio Pablo-García, et al.. Performance prediction of high-entropy perovskites La0.8Sr0.2MnxCoyFezO3 with automated high-throughput characterization of combinatorial libraries and machine learning. Advanced Materials, 2024, pp.07372. ⟨10.1002/adma.202407372⟩. ⟨hal-04773782⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS SPMS CENTRALESUPELEC INC-CNRS UNIV-PARIS-SACLAY ANR GS-CHIMIE GS-PHYSIQUE
0 Consultations
0 Téléchargements

Altmetric

Partager

More