به تازگی، استاد فیزیک دانشگاه جنوب شرقی وانگ Jinlan گروه بحث از طریق ترکیبی از روش های یادگیری ماشین و تراکم نظریه تابعی (DFT)، پیشنهاد یک سیاست جدید مجموعه طراحی مواد هوشمند، موفقیت پیش بینی بیش از 5000 گونه از پروسکایت بالقوه ترکیبی آلی و غیر آلی مواد (HOIPs) گاف انرژی، و انتخاب کردن انواع ثبات محیط زیست، با فاصله متوسط HOIPs بدون سرب مواد سلول های خورشیدی. این مطالعه، در کودک مجله Nature منتشر شده آنلاین "• ارتباط طبیعی" (ارتباطات طبیعت)، عنوان کشف سریع پراکسیست های ارگانیک و غیر ارگانیک هیبریدی بدون سرب از طریق یادگیری ماشین.
زمینه بحران انرژی، نیاز فوری به مواد سلول های خورشیدی جدید موثر غیر سمی به جای سوخت های فسیلی سنتی است. اما روش های طراحی سنتی وجود ناکارآمدی مواد، اتلاف منابع و مشکلات جدی، به ویژه در مواجهه با هزاران نفر از زمانی که نامزدهای، این رویکرد در زمینه طراحی مواد ناکافی است. به تازگی، ML تکنولوژی در حال ظهور. با عبور از کنار مکانیک کوانتومی پیچیده، تکنولوژی ML نه تنها تا حد زیادی می تواند سرعت بخشیدن به طراحی مواد کاربردی جدید، بلکه به از داده مواد یاد بگیرند مواد اولیه QSAR. این استراتژی طراحی مواد جدید شده است با موفقیت در هنر مولکولی آلی نور دیود ساطع، یک آلیاژ حافظه دار، پیزوالکتریک، و غیره اعمال می شود، اما در پتانسیل بسیار زیادی برای برنامه های فتوولتائیک از پروسکایت ترکیبی آلی و غیر آلی بوده است زمینه معدن به طور موثر مورد بررسی قرار گرفته است.
استاد فیزیک دانشگاه جنوب شرقی گروه تحقیقاتی وانگ Jinlan مبتنی بر فن آوری ML و محاسبات DFT، یک روش برای رانندگی هدفمند برای کشف HOIPs کارآمد و پایدار بدون سرب توسعه یافته است. محققان از 212 گزارش HOIPs باند ارزش شکاف در مدل ML آموزش دیده ، 5000 تعداد موفقیت پیش بینی از HOIPs بالقوه باند گپ، در نهایت انتخاب شدند HOIPs سرب متعامد شش باند گپ مناسب محفظه گرم خورشیدی و ثبات، که دو تا از یک شکاف باند مستقیم و ثبات محیط زیست بسیار عالی در منطقه قابل مشاهده است رابطه جنسی. محققان همچنین توسط ML تکنیک های داده های بزرگ معدن انجام برای به دست آوردن عوامل مؤثر در HOIPs ایده آل عملکرد سلول های خورشیدی. این رویکرد رانده هدف قرار دادن برای غلبه بر موانع عمده برای محاکمه سنتی و خطا، نه تنها می تواند فورا رسیدن دقت DFT، و به ویژه مناسب برای مجموعه داده های کوچک است. این کار تا حد زیادی سرعت مواد پروسکایت ترکیبی فرایند طراحی است که پتانسیل فناوری فتوولتائیک، و می تواند به دیگر طراحی و کشف مواد کاربردی استفاده می شود. این مقاله اول از یک استاد از جنوب شرقی فیزیک دانشگاه است لو شوییاهو، یک دانش آموز کلاس و معلم ژو ییهوا، معلم دانشکده فیزیک، اولین نویسنده است. پروفسور وانگ جین لان تنها خبرنگار این مقاله است. به عنوان یک پروژه تحقیق و توسعه ملی کلیدی بودجه توسط برنامه، صندوق ملی جوانان برجسته.
