美国通过人工神经网络模型预测钙钛矿材料化学成分

2024年12月6日，美国密歇根州立大学研究团队通过人工神经网络模型预测钙钛矿材料化学成分，准确率可达85%。研究成果发表在《化学》（Chem）上。

由于铅卤化物钙钛矿具有高度可调的光学特性，使得金属卤化物钙钛矿太阳电池有望成为可取代传统硅基和薄膜太阳电池的下一代光伏产品。尽管当前已有很多基于结构准确预测钙钛矿材料光学特性的方法，然而从光学数据反向预测其成分的研究却相对匮乏。在这项研究中，研究人员采用高通量方法合成和光谱分析由单卤化物、二卤化物和三卤化物组成的各种钙钛矿材料。光谱数据用于训练基于人工神经网络的化学空间特性预测模型。该模型可以根据太赫兹拉曼光谱数据预测钙钛矿的化学成分，准确率约为85%。当数据集包含紫外–可见光谱数据时，准确率提高到近92%。此项研究为工业生产中钙钛矿材料的实时监测、缺陷检测、降解分析以及材料选择的简化与优化创造了可能。