低维有机-无机卤化物钙钛矿因其在激子动力学、宽带发射、磁自旋选择性方面的特性而引起学者的极大兴趣。然而，没有定量模型来预测有机阳离子对这些低维钙钛矿维数的结构导向作用。俄亥俄州立大学Yiying Wu等人报道了一种机器学习 (ML) 辅助方法来预测基于碘化铅的钙钛矿的维数。

本文要点：

1）首先文献综述揭示了86 种报告的胺，它们根据钙钛矿的维数分为“2D”形成和“非 2D”形成。基于这些铵阳离子的分类和描述符特征，对机械学习模型进行了训练和测试。

2）四个结构特征，包括空间效应指数、偏心率、最大环尺寸和氢键供体，已被确定为关键控制因素。在这些特征的基础上，创建了一个量化方程来计算选定胺形成二维钙钛矿的概率。为了进一步说明其预测能力，将构建的模型应用于几种未经测试的胺，并通过从这些胺中生长钙钛矿单晶来验证预测的维度。这项工作代表了使用 ML 作为工具预测低维杂化卤化物钙钛矿晶体结构的一步。

Ruiyang Lyu et.al. Predictive Design Model for Low-Dimensional Organic–Inorganic Halide Perovskites Assisted by Machine Learning，J. Am. Chem. Soc. 2021, 143, 32, 12766–12776

https://pubs.acs.org/doi/10.1021/jacs.1c05441