基于机器学习的卤化物双钙钛矿材料的筛选研究

摘要

卤化物双钙钛矿因其优异的光电性能引起了广泛关注。筛选合适的卤化物双钙钛矿材料具有重要意义，但由于材料组分存在大量可能的组合，仅依靠实验探索成本高昂且效率低下。因此，开发能够准确预测材料性能的计算模型变得尤为关键。本文结合机器学习与第一性原理计算方法，建立了带隙分类与回归模型以及形成能回归模型，通过引入描述材料结构稳定性的几何因素——容忍因子和八面体因子，筛选出16种带隙合适且稳定性良好的卤化物双钙钛矿候选材料。结果表明：基于数据驱动的机器学习方法能有效筛选出理论上性能优异的卤化物双钙钛矿候选材料，为后续的实验论证提供理论指导，从而加速功能材料的发现，提高设计效率。

关键词

机器学习 / 卤化物双钙钛矿 / 材料发现 / 特征工程