一种用于识别A2BB′X6化合物中钙钛矿材料的机器学习方法

《Journal of Materials Chemistry C》：A machine learning approach to identifying perovskite materials in A2BB′X6 compounds

双钙钛矿材料因优异光电性能和广泛应用前景备受关注，其中A2BB'X6型结构因物理化学性质优异成为研究重点。本研究开发高效机器学习模型，基于原子统计特性准确预测A2BB'X6型材料钙钛矿结构形成，测试准确率达92.1%，揭示B/B'位原子配比关键影响，为低成本材料设计提供新方法。

　　

双钙钛矿材料因其出色的光电性能以及在能源转换、光电子学和催化等多个领域的广泛应用前景而受到越来越多的关注。在众多双钙钛矿结构中，A₂BB′X₆型因其优异的物理化学性质而备受青睐。然而，并非所有的A₂BB′X₆型化合物都能成功形成钙钛矿结构。本研究成功开发了一种高效的机器学习模型，能够准确预测A₂BB′X₆型双钙钛矿材料中钙钛矿结构的形成。该模型仅基于材料的原子统计特性，就以92.1%的准确率区分出了能够形成钙钛矿结构的化合物。此外，B位点和B′位点的原子统计特性对钙钛矿结构的形成有着显著影响。这项研究为钙钛矿材料的设计和合成提供了新的见解，同时减少了對昂贵且耗时实验方法的依赖。