通过组合计算、文献数据和正负无监督学习弥合钙钛矿可绕合性鸿沟
材料科学
2025-11-11 v2
摘要
在新兴能源材料中，卤化物和硫化物钙钛矿因其元素丰富、制造成本低以及高度可调的组成-结构-性质空间而受到广泛关注。利用密度泛函理论(DFT)计算可导航广阔的钙钛矿组成空间，但其难以扩展至新材料及其性质的可绕合性预测。因此，只有有限数量的组合通过计算发现具有理想光电性质并在实验中实现。弥合这一鸿沟的一种方法是从实验文献中学习钙钛矿组成-结构空间与其实验室绕合可能性之间的关系。本文提出了将高通量 DFT 数据与从文献中收集的实验标签结合，用于训练各种材料描述符以预测任意给定钙钛矿化合物可绕合性的分类模型。我们的框架运用正负无监督(PU)学习策略，基于 DFT 计算的能量和相似已绕合化合物的先验存在情况，对合成可能性进行概率估计。我们的数据和模型可通过 Findable, Accessible, Interoperable, and Reproducible(FAIR) nanoHUB 工具轻松获取。
引用
@article{arxiv.2510.06166,
title = {Bridging the Synthesizability Gap in Perovskites by Combining Computations, Literature Data, and PU Learning},
author = {Rushik Desai and Junyeong Ahn and Alejandro Strachan and Arun Mannodi-Kanakkithodi},
journal= {arXiv preprint arXiv:2510.06166},
year = {2025}
}