机器学习优化的钙钛矿纳米片合成
应用物理
2022-10-19 v1 材料科学
机器学习
摘要
随着对可再生能源和高效器件需求的快速增长，亟需发现并优化新型（纳米）材料。这一过程可能极为繁琐，往往严重依赖试错。机器学习近年来已成为一种有力的替代方案；然而，大多数方法需要大量数据点，即大量合成实验。在此，我们将三种机器学习模型与贝叶斯优化相结合，仅使用约200次总合成即可显著改善CsPbBr3纳米片（NPLs）的质量。该算法可根据前驱体比例预测NPL分散体的 resulting PL发射峰最大值，从而得到此前无法获得的7和8单分子层NPLs。在启发式知识的辅助下，该算法应可轻松应用于其他纳米晶合成，并显著有助于识别有趣组分并快速提升其质量。
引用
@article{arxiv.2210.09783,
title = {Machine-Learning-Optimized Perovskite Nanoplatelet Synthesis},
author = {Carola Lampe and Ioannis Kouroudis and Milan Harth and Stefan Martin and Alessio Gagliardi and Alexander S. Urban},
journal= {arXiv preprint arXiv:2210.09783},
year = {2022}
}