TB-mBJ · eV
N=21.559
← Research EnginesEsplora la materia.
MATERIALS DISCOVERY ENGINE / 03 / MATTER
Esplora la materia.
Segui le evidenze.
Quali materiali meritano ulteriori studi per realizzare celle solari? Il motore confronta le proprietà già calcolate dai ricercatori, applica criteri di selezione dichiarati e restituisce un elenco di candidati, ciascuno collegato ai dati di partenza.
Computational Exploration of Materials and Their Properties
Dai database ai materiali da studiare.
- Confronta proprietà già calcolate dai ricercatori.
- Seleziona i candidati secondo criteri modificabili.
- Mostra come cambia la selezione quando cambiano i criteri.
In praticaPuoi restringere l’elenco ai materiali con le proprietà richieste per un primo studio sulle celle solari. È una selezione di candidati, da verificare con ulteriori studi.
Esplora la visualizzazione del progetto
Problema, contributo e mercato
- Problema affrontato
- In una banca dati di migliaia di cristalli, la lista dei candidati fotovoltaici può cambiare molto al variare delle soglie, dei criteri di ordinamento e dei dati mancanti.
- Contributo rispetto allo stato dell’arte
- JARVIS-DFT fornisce proprietà calcolate e lo screening a soglie è una pratica consolidata. MDE conserva la versione della fonte e rende confrontabili tre ordinamenti e dodici condizioni di screening, evidenziando la robustezza della selezione.
- Uso commerciale possibile
- Team di R&S fotovoltaica e laboratori a contratto possono usarlo per motivare quali candidati approfondire con nuovi calcoli o prove di laboratorio.
- Contesto di mercato
- JARVIS offre una base aperta e piattaforme commerciali come Citrine servono la R&S dei materiali. Il possibile ingresso è uno screening fotovoltaico circoscritto e documentabile.
Valore lordo potenziale per cliente, all’anno
4560 € – 13.680 €
12 screening/anno × 4–12 ore risparmiate per attività × 95 €/ora.
Scenario illustrativo da verificare in un pilota, al lordo dei costi di adozione.
MISSION / HOW IT WORKS
Dai dati ai candidati.
Non basta trovare un valore interessante in un database. MDE normalizza proprietà e unità, distingue metodi di calcolo e informazioni mancanti, confronta criteri e rende verificabile ogni passaggio. La ricerca procede sul tuo computer; il sito pubblica i risultati.
- 01Database scientifici
- 02Acquisizione verificata
- 03Normalizzazione delle proprietà
- 04Analisi dei materiali
- 05Screening dei candidati
- 06Verifica delle fonti
- 07Risultati riproducibili
REAL RESEARCH CASE / MDE-001
Un esperimento. 93.902 cristalli reali.
Computational Screening of Photovoltaic Materials. Intero snapshot JARVIS-DFT 3D: non un campione scelto in base ai risultati. Band gap TB-mBJ tra 0,8 e 2,2 eV; energia sopra hull fino a 0,1 eV/atomo; SLME riportato almeno 10%. Il target di ordinamento, 1,5 eV, è il punto medio dell’intervallo esplorativo.
93.902Materiali validi / record acquisiti
2561Candidati per solo band gap · N=93.902
415Candidati gap + hull · N=93.902
415Candidati gap + hull + SLME · N=93.902
- Esperimento completato
- 06/11/2026, 05:33:42 · Europe/Rome
- Record validi / invalidi / duplicati
- 93.902 / 0 / 0
- Controlli originali / pagine NIST
- 6 / 3
- Analisi riprodotta offline
- SHA256 · 1ae88ce32871d91d0ba9…
NIST JARVIS-DFT · jdft_3d-9-24-2025.json.zip · Figshare v11 · 10.6084/m9.figshare.6815699.v11 ↗
MDE-001
Conclusioni dell’esperimento
Su 93.902 materiali JARVIS, 2.561 rientravano nell’intervallo di banda scelto e 415 soddisfacevano i criteri completi. I 95 candidati presenti in tutte le 12 combinazioni di soglie offrono una base più stabile per decidere quali materiali approfondire. Le prime dieci posizioni cambiavano tra i tre ordinamenti.
Limiti della prova. Il risultato dipende dai dati disponibili e dai filtri scelti. È una selezione computazionale da approfondire con ulteriori calcoli o misure di laboratorio.
OBSERVED DATA / COVERAGE
Prima del ranking, i dati disponibili.
TB-mBJ e optB88vdW rimangono distinti. Il valore mancante non diventa zero. Disponibilità e percentuali si riferiscono ai 93.902 JID validi; le distribuzioni usano solo i valori presenti per il rispettivo metodo.
| Proprietà | Disponibili / materiali validi |
|---|---|
| TB-mBJ gap / eV | 21.559 / 93.902 · 22,959% |
| optB88vdW gap / eV | 93.902 / 93.902 · 100% |
| Formation energy / eV atom⁻¹ | 93.902 / 93.902 · 100% |
| Energy above hull / eV atom⁻¹ | 93.902 / 93.902 · 100% |
| Reported SLME / % | 10.022 / 93.902 · 10,673% |
| Complete TB-mBJ dielectric diagonals | 19.834 / 93.902 · 21,122% |
optB88vdW · eV
N=93.902
COMPUTED RESULT / DISCOVERY CANDIDATES
Candidati. Con i loro criteri.
Prime sei posizioni della graduatoria basata sullo SLME riportato nello snapshot fissato. Sono materiali già presenti nel database da approfondire, non nuove scoperte o dispositivi validati. Hull ed energia di formazione sono grandezze distinte.
RESEARCH FINDINGS / SENSITIVITY
Cambia il criterio. Osserva il risultato.
Tre intervalli di band gap × quattro soglie hull: dodici combinazioni, confrontate sullo stesso dataset. 95 materiali rimangono ammessi in tutte. Con i criteri principali, aggiungere SLME mantiene gli stessi 415 candidati di gap + hull ma ne cambia l’ordine.
| Intervallo gap / eV | Hull massimo / eV atom⁻¹ | Candidati ottici |
|---|---|---|
| 0.8–2.2 | 0 | 216 |
| 0.8–2.2 | 0.05 | 347 |
| 0.8–2.2 | 0.1 | 415 |
| 0.8–2.2 | 0.2 | 521 |
| 1–2 | 0 | 155 |
| 1–2 | 0.05 | 243 |
| 1–2 | 0.1 | 297 |
| 1–2 | 0.2 | 367 |
| 1.2–1.8 | 0 | 95 |
| 1.2–1.8 | 0.05 | 152 |
| 1.2–1.8 | 0.1 | 189 |
| 1.2–1.8 | 0.2 | 228 |
Tre risultati. Un percorso verificabile.
COMPUTED RESULT / MDE-001-F1
Copertura: 21.559 record hanno un gap TB-mBJ; 72.343 ne sono privi. Il filtro di gap seleziona 2.561 JID con denominatore esplicito.
Metodi e denominatori ↗COMPUTED RESULT / MDE-001-F2
Selezione: il filtro hull esclude 2.146 dei 2.561 candidati preliminari. I 415 rimanenti soddisfano anche la soglia SLME scelta.
Metodi e denominatori ↗COMPUTED RESULT / MDE-001-F3
Sensibilità: la selezione varia da 95 a 521 candidati nelle dodici combinazioni; l’intersezione completa comprende 95 JID.
Metodi e denominatori ↗LOCAL WORKSPACE / MDE 0.1.0
Un laboratorio locale. Dati reali.
Overview, Materials Explorer, Property Analysis, Discovery Candidates, Research Results e AI Insights. Filtra e ordina i materiali, apri strutture e proprietà, confronta le soglie ed esporta i risultati. Lo studio rimane disponibile dopo la ricarica.
ARCHITECTURE / REUSE
La stessa base. Una nuova scienza.
Job, cache, provenienza, persistenza e confine locale dell’API riusano il piccolo Shared Research Core. Parsing cristallografico, proprietà fisiche, filtri e ranking appartengono a MDE. Gli algoritmi e le interfacce di ESAE e GEE sono preservati.
Architecture reuse ↗IA locale, quando la scegli.
Ollama può spiegare il contesto di un candidato e proporre verifiche. Riceve solo evidenze selezionate; numeri e risultati restano costruiti dal software. Le ipotesi sono marcate come non verificate e citano il JID. Il motore funziona interamente anche senza Ollama.
OBSERVED DATACOMPUTED RESULTAI HYPOTHESISNOT VERIFIED
OPEN SOURCE / APACHE 2.0
Codice aperto. Esperimento riproducibile.
MDE 0.1.0 è incluso nella release Research Engines 0.2.0 dello stesso repository. Software originale Apache 2.0; dati NIST JARVIS CC BY 4.0, con attribuzione e modifiche documentate. Nessun database locale o backend di analisi è esposto sul sito.
Sorgente Python · qualificato su Mac mini M1 / Python 3.12 · Windows e Linux non collaudati
SCIENTIFIC SCOPE / NEXT STEPS
Screening computazionale. Ricerca da proseguire.
I valori provengono da calcoli già pubblicati. MDE non esegue nuove simulazioni DFT o esperimenti fisici e non dimostra efficienza sperimentale, sintesi o idoneità industriale. Spettri di assorbimento completi non sono presenti. Nessun confronto indipendente Materials Project è stato eseguito: il connettore non è implementato.
Metodi e denominatori ↗