Li等人通过高通量DFT计算，建立了一个包含分解能的数据库，这与354个卤化钙钛矿的热力学稳定性密切相关。为了映射结构和化学特征与分解能量之间的基本关系，在该数据库上训练了一个功能良好的机器学习模型，并通过钙钛矿可成形性的实验观察，验证了不存在于培训数据库中246种 A₂B（I）B（III）X₆化合物（F1得分，95.9％）。 该模型比经验描述符（F1得分，77.5％）表现更好。这项工作表明机器学习的稳定钙钛矿的实验工程可以完全依赖于从高通量DFT计算得到的训练数据，这比材料合成的实验尝试更加经济和有效。

光伏器件学术QQ群：708759169

Li, Z., Xu, Q., Sun, Q., Hou, Z. & Yin, W.-J. Thermodynamic Stability Landscape of Halide Double Perovskites via High-Throughput Computing and Machine Learning. Adv. Funct. Mater.

doi:10.1002/adfm.201807280.

https://doi.org/10.1002/adfm.201807280