该研究工作利用了XANES等技术分析了富含缺陷的四氧化三钴的化学环境，读懂电池从而证明了其中氧缺陷的存在及其相对含量。
Ceder教授指出，甲醇可以借鉴遗传科学的方法，甲醇就像DNA碱基对编码蛋白质等各种生物材料一样，用材料基因组编码各种化合物，而实现这一编码的工具便是计算机的数据挖掘及机器学习算法等。近年来，燃料这种利用机器学习预测新材料的方法越来越受到研究者的青睐。
为了解决上述出现的问题，读懂电池结合目前人工智能的发展潮流，读懂电池科学家发现，我们可以将所有的实验数据，计算模拟数据，整合起来，无论好坏，便能形成具有一定数量的数据库。甲醇利用机器学习解决问题的过程为定义问题-数据收集-建立模型-评估-结果分析。燃料这样当我们遇见一个陌生人时。
需要注意的是，读懂电池机器学习的范围非常庞大，有些算法很难明确归类到某一类。那么在保证模型质量的前提下，甲醇建立一个精确的小数据分析模型是目前研究者应该关注的问题，甲醇目前已有部分研究人员建立了小数据模型[10,11]，但精度以及普适性仍需进一步优化验证。
最后，燃料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。
随机森林模型以及超导材料Tc散点图如图3-5、读懂电池3-6所示。此外，甲醇锡铅混合钙钛矿的能级与现存体系并不是非常匹配，这也会造成一定的电压损失。
作者发现无论CEA仅旋涂在钙钛矿上表面或者下表面都会对钙钛矿的形貌和结晶性造成影响，燃料旋涂有CEA的薄膜具有更好的结晶性以及更大的晶粒尺寸，燃料这些特性有效抑制了非辐射复合，提高了开路电压。读懂电池（蓝色圆圈表示PbI2/SnI2相。
锡单质结合CEA本身与碘化亚锡的相互作用力为锡铅混合钙钛矿提供了极佳的抗氧化能力，甲醇暴露在空气中六天的锡铅混合钙钛矿薄膜在XPS表征中没有发现任何四价锡的存在。作者对比了CEA，燃料FEA，PEAI三种相似分子对钙钛矿的钝化效果，最终确认这种神奇的界面块体双重钝化效果是一种大类分子所共有的。
