Kürzlich, Southeast University Physik-Professor Wang Jinlan Diskussionsgruppe durch eine Kombination von Techniken der maschinellen Lernens und die Dichtefunktionaltheorie (DFT), eine neue Politik intelligentes Material-Design gesetzt vorgeschlagen, erfolgreich vorhergesagt, die mehr als 5.000 Arten von potentiellem organisch-anorganischen Hybrid Perowskit Materialien (HOIPs) Bandlücke, und wählen Sie eine Vielzahl von Umwelt-Stabilität, mit einem moderaten Lücke von bleifreien HOIPs Solarzellenmaterialien. die Studie, veröffentlicht online im Journal Nature Kind „natürliche • Kommunikation“ (Nature Communications) aus, Titel Beschleunigte Entdeckung stabiler, bleifreier hybrider organisch-anorganischer Perowskite durch maschinelles Lernen.
Vor dem Hintergrund der Energiekrise besteht ein dringender Bedarf an hocheffizienten und ungiftigen neuen Solarzellenmaterialien, die traditionelle fossile Energiequellen ersetzen können, doch traditionelle Materialentwicklungsmethoden haben Probleme wie Ineffizienz und erhebliche Verschwendung von Ressourcen, insbesondere angesichts von Zehntausenden von Arten. wenn Kandidaten, ist dieser Ansatz nicht ausreicht. kürzlich, ML neue Technologie auf dem Gebiet des Materialdesigns. durch die komplexe Quantenmechanik unter Umgehung ML-Technologie kann nicht nur erheblich die Entwicklung neuer funktioneller Materialien beschleunigen, sondern auch von den Materialdaten lernen Die grundlegende Struktur-Aktivitäts-Beziehung von Materialien Diese neue Materialdesignstrategie wurde erfolgreich in den Bereichen molekulare organische Leuchtdioden, Formgedächtnislegierungen, piezoelektrische Körper usw. angewendet. Organisch-anorganisches Hybrid-Kalzium-Titan wurde jedoch bisher in photovoltaischen Anwendungen noch nicht weit verbreitet verwendet. Das Minenfeld wurde effektiv erkundet.
Southeast University Physik-Professor Wang Jinlan Forschungsgruppe basierte ML-Technologie und DFT-Rechnungen, entwickelten ein Verfahren zum effizienten und stabilen bleifreien HOIPs für die Entdeckung gezielte Ansteuerung. Die ausgebildeten Forscher von 212 berichteten HOIPs Bandlückenwert in ML-Modell , 5000 erfolgreich vorhergesagte Anzahl von potentiellem HOIPs Bandgap, wurde schließlich orthogonal Blei HOIPs sechs eignen Bandgap Solar warme Kammer und Stabilität ausgewählt, von denen eine direkte Bandlücke und eine ausgezeichnete Umweltstabilität im sichtbaren Bereich hat zwei Sex. die Forscher auch von ML großen Data-Mining-Techniken, um die idealen HOIPs Solarzellenleistung zu beeinflussen, die Schlüsselfaktoren zu erhalten, durchgeführt. diese Targeting orientierten Ansatz die wichtigsten Hindernisse für den traditionellen Versuch und Irrtum zu überwinden, können DFT Präzision nicht nur sofort erreichen, insbesondere geeignet für kleine Datenmengen. diese Arbeit hat stark das Hybrid Perowskitmaterialien Design-Prozess das Potenzial der Photovoltaik-Anwendungen hat, beschleunigt und auf andere funktionelle Materialien Design und Entdeckung angewendet werden kann. ist dieser Artikel die erste einer Master of Southeast University Physik Lu Shuaihua, ein Klassenkamerad und Lehrer Zhou Yihua, ein Lehrer der Schule für Physik, ist der Co-Erstautor, Professor Wang Jinlan ist der einzige Korrespondent der Zeitung. Als wichtige nationalen Forschungs- und Entwicklungsprojekte durch das Programm finanziert werden, die National Outstanding Youth Fund.
