최근, 기계 학습 기술과 밀도 함수 이론 (DFT)의 조합을 통해 동남 대학의 물리학 교수 왕 Jinlan 토론 그룹이 새 정책은 지능형 소재 세트 디자인 제안, 성공적으로 잠재적 인 유기 - 무기 하이브리드 페 로브 스카이 트의 5,000 개 이상의 종을 예측 재료 (HOIPs) 밴드 갭 및 무연 HOIPs 태양 전지 재료의 적당한 간격으로, 환경 안정성의 다양한 골라. 연구를, 저널 자연 아이 온라인 출판 "자연 • 통신"(자연 통신), 제목 안정 무연 하이브리드 유기 - 무기 티탄 석 기계 학습을 통해 검색의 가속 등.
에너지 위기 상황에서 기존의 화석 에너지를 대체 할 고효율 및 무독성의 새로운 태양 전지 소재가 절실히 필요하지만 전통적인 재료 설계 방법은 비효율적이고 자원 낭비와 같은 문제가 있으며 특히 수만 종에 이릅니다. 때 후보자,이 방법은 부적절하다. 최근, ML 새로운 기술은 소재 디자인 분야에서. 복잡한 양자 역학을 우회하여, ML 기술은 크게 새로운 기능성 소재의 디자인을 가속화 할뿐만 아니라, 재료 데이터 배울뿐만 아니라, 재료의 기본 구조 - 활성 관계이 새로운 재료 설계 전략은 분자 유기 발광 다이오드, 형상 기억 합금, 압전체 등의 분야에 성공적으로 적용되었습니다. 그러나 유기 무기 하이브리드 칼슘 티타늄은 아직 광전지 응용 분야에서 널리 사용되지 않았습니다. 탐사 지역을 채광하는 것은 효과적 일 수있다.
동남 대학의 물리학 교수 왕 Jinlan 연구 그룹을 기반으로 ML 기술과 DFT 계산, 효율적이고 안정적인 무연 HOIPs을 발견 대상의 구동 방법을 개발했다. ML 모델 (212)보고 HOIPs 밴드 갭 값에서 훈련 된 연구자를 5,000 개 이상의 잠재 HOIP의 밴드 갭을 성공적으로 예측했으며, 마지막으로 가시 광선 영역에 직접 밴드 갭을 갖고 우수한 환경 안정성을 갖는 적절한 태양 밴드 갭 및 상온 열 안정성을 갖는 6 개의 직교 무연 HOIP를 선별했다. 섹스. 또한 이상적인 HOIPs 태양 전지의 성능에 영향을 미치는 핵심 요소를 얻기 위해 ML 빅 데이터 마이닝 기술에 의해 수행 된 연구가. 기존의 시행 착오에 주요 장애물을 극복하기 위해이 목표 중심의 접근 방식은,뿐만 아니라 즉시 DFT 정밀도에 도달, 특히 수 작은 데이터 세트에 적합합니다.이 작업은 크게 복합 페 로브 스카이 트 재료 설계 과정은 태양 광 응용 프로그램의 잠재력을 가지고 있으며, 다른 기능 재료 디자인 및 검색에 적용 할 수 가속화되고있다.이 문서는 동남 대학 물리학 석사의 첫 번째입니다 Lu Shuaihua (학년생)와 Zhou Yihua (물리학 대학원) 교사가 공동 저자이며, 왕진란 (Wang Jinlan) 교수가이 신문의 유일한 기자입니다. 프로그램, 전국 우수 청소년 기금의 지원 핵심 국가 연구 개발 프로젝트로.
