基于机器学习的卤化物钙钛矿稳定性工程
材料科学
2018-03-19 v1
摘要
钙钛矿稳定性是当前钙钛矿太阳能电池研究与应用的核心重要性与难点所在。然而在过去的一个世纪里，钙钛矿的可形成性与稳定性仍然依赖于基于人类知识的简化因子，例如常用的容差因子 t。结合机器学习 (ML) 与第一性原理密度泛函计算，我们提出了一种策略，首先计算了 354 种卤化物钙钛矿的分解能（被认为与热力学稳定性密切相关），建立了分解能与组分离子半径之间的机器学习关系，并研究了 14,190 种卤化物双钙钛矿的稳定性。机器学习预测的结果使我们重新发现了一系列稳定的稀土金属卤化物钙钛矿（多达约 1000 种），表明了该模型的泛化能力，并进一步为提高混合钙钛矿的稳定性提供了元素与浓度建议。
引用
@article{arxiv.1803.06042,
title = {Stability Engineering of Halide Perovskite via Machine Learning},
author = {Zhenzhu Li and Qichen Xu and Qingde Sun and Zhufeng Hou and Wan-Jian Yin},
journal= {arXiv preprint arXiv:1803.06042},
year = {2018}
}
备注
11 pages, 5 figures, 12 pages for supporting information