Joule: 用于金属卤化物钙钛矿高通量实验探索的机器学习
坡肉先生
金属卤化物钙钛矿 (MHP) 凭借高器件性能、低材料成本和简便的溶液可加工性的独特组合，已跃居能源研究的前沿。这些材料的一个显着优点是它们的组成灵活性允许在所有结晶位置进行多次取代，因此有数千种可能的纯化合物和几乎无限数量的多组分固溶体。利用 MHP 的全部潜力需要快速探索多维化学空间以实现所需的功能。实验室自动化的最新进展，从定制的全自动机器人实验室到微流体系统再到移液机器人，已经实现了合成 MHP 的高通量实验工作流程。田纳西大学诺克斯维尔分校Mahshid Ahmadi，香港浸会大学Yuanyuan Zhou，橡树岭国家实验室Sergei V.Kalinin等人概述了自动 MHP 合成的最新技术和用于导航多组分组合空间的现有方法。
本文要点：
1）研究人员强调了现有策略的局限性和陷阱，并制定了必要的机器学习工具的要求，包括因果和贝叶斯方法，以及基于理论和实验空间协同导航的策略。
2）研究人员认为，自动化实验的最终目标是同时优化材料合成并完善支撑目标功能的理论模型。此外，自动化实验的近期发展不会导致完全排除人类操作员，而是将重复操作自动化，将人类角色推迟到高层缓慢决策。最后，还讨论了利用机器学习引导的自动化合成开发高性能钙钛矿光电子学的新兴机会。
Mahshid Ahmadi, et al. Machine learning for high-throughput experimental exploration of metal halide perovskites, Joule, 2021
https://doi.org/10.1016/j.joule.2021.10.001
https://www.sciencedirect.com/science/article/pii/S2542435121004451
版权声明：
本平台根据相关科技期刊文献、教材以及网站编译整理的内容，仅用于对相关科学作品的介绍、评论以及课堂教学或科学研究，不得作为商业用途。
