机器学习加速卤化物钙钛矿商业化与规模化的机遇
材料科学
2021-10-11 v1 机器学习
摘要
尽管卤化物钙钛矿吸引了大量学术关注，但规模化工业生产的实例仍很稀少。在本展望中，我们回顾阻碍卤化物钙钛矿商业化的实际挑战，并讨论机器学习（ML）工具如何提供帮助：（1）融合机构知识与人类专长的主动学习算法，可帮助稳定并快速更新基准制造工艺；（2）由 ML 赋能的计量学（包括计算机成像）可帮助缩小大面积与小面积器件间的性能差距；（3）推断方法可通过调和多路数据流与模拟来加速根因分析，将研究精力集中于改进概率最高的环节。我们总结道，要满足诸多此类挑战，需要对现有 ML 与统计方法进行渐进式——而非根本性——改造。我们指出了有助于培养内部数据科学人才的资源，并提出了产学研合作如何帮助将“即刻可用”的 ML 工具适配于特定行业需求、通过揭示底层机制进一步改进工艺控制，以及开发“改变游戏规则”的面向发现的算法以更好地探索广阔材料组合空间与文献。
引用
@article{arxiv.2110.03923,
title = {Opportunities for Machine Learning to Accelerate Halide Perovskite Commercialization and Scale-Up},
author = {Rishi E. Kumar and Armi Tiihonen and Shijing Sun and David P. Fenning and Zhe Liu and Tonio Buonassisi},
journal= {arXiv preprint arXiv:2110.03923},
year = {2021}
}
备注
21 pages, 2 figures