Askerka等人报告一种全新的机器学习的策略，称之为模板学习（LiT）。LiT方法与先前建立的位置相关表示一起部署，并且对最少依赖原子位置的表示执行得最好。由于模板中原子的位置是已知的并且不会改变，因此LiT使研究人员能够直接推断出感兴趣的性质; 此外，LiT允许使用增加的化学空间，因为相同的元素可以采用大量模板。只有使用LiT，能够筛选5x10⁶双钙钛矿化合物，与笨拙室温DFT相比，加速因子可达700，进一步预测从未预先筛选过的化合物。研究结果促使研究人员合成了一种新的BaCu_yTa_（1-y）S₃钙钛矿，且Cu与Ta的摩尔比为5：3。

光伏器件学术QQ群：708759169

Askerka, M., Li, Z. et al. Learning-in-Templates Enables Accelerated Discovery and Synthesis of New Stable Double-Perovskites. J. Am. Chem. Soc.

Doi:10.1021/jacs.8b13420.

https://doi.org/10.1021/jacs.8b13420