创维数码董事局主席赖伟德：电力动电今年上半年的情况和去年相比，电力动电从数量上来讲有些下降，但收入上来讲基本持平，和全国的这个电视市场的基本上这个形势是很相同，都不是特别好，增长放慢。

(f)合成的(MgFeCoNiZn)O在不同晶带轴方向的HRTEM图像、物联网建IFFT图像、物联网建SAED图像以及GPA图像3.(MgFeCoNiZn)O详细表征和形成机理分析进一步对合成的(MgFeCoNiZn)O进行详细的表征研究，XRD数据和与单组元的岩盐氧化物比较表明(MgFeCoNiZn)O在较低的合成温度时Fe组分没能固溶进入到岩盐结构中、中文区则产生尖晶石结构的第二相，在高温区则才能合成单相岩盐结构。此外，设启在该体系中，OER活性有随着d带中心的增加而增加的趋势。

而且，力设(MgFeCoNiZn)O也展现出优异的电化学稳定性、结构稳定性以及元素分布稳定性。最后，备景在岩盐结构氧化物体系中展现出本征活性随d带中心增加而增加的趋势。(d-f)(MgFeCoNiZn)O的稳定性测试、气周期重启反应前后XRD对比以及反应后元素分布。

研究成果以RapidJoule-HeatingSynthesisforManufacturingHigh-EntropyOxidesasEfficientElectrocatalysts（快速焦耳加热合成高熵氧化物作为高效电催化剂）为题，电力动电于2022年8月11日在《纳米快报》(NanoLetters)上在线发表。(i)(MgFeCoNiZn)O、物联网建FeO、CoO和NiO的计算过电位和实验过电位的对比图。

设启图1.(a)镍箔快速焦耳加热原理以及适用的材料结构和研究领域示意图。

进一步地，力设为了开发高性能电催化剂这里设计了新组分高熵岩盐氧化物(MgFeCoNiZn)O，并通过DFT理论进行了预测。此外，备景Butler等人在综述[1]中提到，量子计算在检测和纠正数据时可能会产生错误，那么量子机器学习便开拓了机器学习在解决量子问题上的应用领域。

最后，气周期重启将分类和回归模型组合成一个集成管道，应用其搜索了整个无机晶体结构数据库并预测出30多种新的潜在超导体。当我们进行PFM图谱分析时，电力动电仅仅能表征a1/a2/a1/a2与c/a/c/a之间的转变，电力动电而不能发现a1/a2/a1/a2内的反转，因此将上述降噪处理的数据、凸壳曲线以及k-均值聚类的方法结合在一起进行分析，发现了a1/a2/a1/a2内的结构的转变机制。

根据机器学习训练集是否有对应的标识可以分为监督学习、物联网建无监督学习、半监督学习以及强化学习。作者进一步扩展了其框架，设启以提取硫空位的扩散参数，设启并分析了与由Mo掺杂剂和硫空位组成的不同配置的缺陷配合物之间切换相关的转换概率，从而深入了解点缺陷动力学和反应（图3-13）。