2D混合有机和无机钙钛矿（HOIP）用作3D钙钛矿顶部的覆盖层，以提高其稳定性，同时保持所需的功率转换效率（PCE）。因此，2D HOIP需要承受机械应力和变形，使刚度成为一个重要指标。然而，没有模型可以解开它们的晶体结构和机械性能之间的关系。近日，拜罗伊特大学Harald Oberhofer、伯明翰大学Han Dan利用可解释的机器学习（ML）模型来加速2D HOIP机械性能的计算机预测。

本文要点：

1) ML模型可以区分刚性和非刚性2D HOIP，并提取影响其杨氏模量的主要物理特征，即金属-卤素-金属键角。此外，作者发现阳离子的空间效应指数（STEI）是非刚性的粗略标准，它们的最佳范围是从概率分析中提取的。

2) 基于八面体变形与杨氏模量之间的强相关性，作者证明了该方法从单层到多层二维HOIP的可转移性。总之，该工作将ML作为工具揭示了2D HOIP晶体结构和机械性能之间的复杂关系。

参考文献：

Yuxuan Yao et.al Adapting Explainable Machine Learning to Study Mechanical Properties of 2D Hybrid Halide Perovskites Adv. Functional Mater. 2024

DOI: 10.1002/adfm.202411652

https://doi.org/10.1002/adfm.202411652