Expt Gap Data

Experimental band gap of 6354 inorganic semiconductors.<br>Data is available as Monty Encoder encoded JSON and as the source CSV file. Recommended access method is with the matminer Python package using the datasets module.<br>Note on citations: If you found this dataset useful and would like to cite it in your work, please be sure to cite its original sources below rather than or in addition to this page.<br>Dataset discussed in and sourced from the supplementary information of:Predicting the Band Gaps of Inorganic Solids by Machine LearningYa Zhuo , Aria Mansouri Tehrani , and Jakoah Brgoch* Department of Chemistry, University of Houston, Houston, Texas 77204, United StatesJ. Phys. Chem. Lett., 2018, 9 (7), pp 1668–1673<strong>DOI: </strong>10.1021/acs.jpclett.8b00124Publication Date (Web): March 13, 2018Copyright © 2018 American Chemical Society

本数据集包含6354种无机半导体的实验带隙数据。数据可通过Monty Encoder编码的JSON格式与原始CSV文件获取，推荐使用matminer Python库的datasets模块进行访问。
引用说明：若您认为本数据集具有参考价值并希望在研究工作中引用，请务必引用其原始文献来源，而非仅引用本页面，或同时引用本页面与原始文献。
本数据集的内容源自并讨论于以下文献的补充材料：《基于机器学习预测无机固体带隙（Predicting the Band Gaps of Inorganic Solids by Machine Learning）》，作者：Ya Zhuo、Aria Mansouri Tehrani、Jakoah Brgoch*，作者单位：美国德克萨斯州休斯顿市休斯顿大学化学系，邮编77204。该文献发表于《美国化学会·物理化学快报》（J. Phys. Chem. Lett.），2018年，第9卷第7期，第1668–1673页。DOI：10.1021/acs.jpclett.8b00124，网络首发日期：2018年3月13日，版权所有©2018美国化学学会。

搜集汇总

背景与挑战

背景概述

该数据集提供了6354种无机半导体的实验带隙数据，以JSON和CSV格式存储，适用于材料科学领域的理论和设计研究。数据集来源于机器学习预测无机固体带隙的研究论文，推荐使用matminer Python包进行访问和分析。