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BaCuyTa(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