复旦大学Yiqiang Zhan和Hao Zhang等人通过将高通量DFT计算与机器学习技术相结合，开发了一种多步骤材料筛选方案，以加速发现具有热稳定性高的高性能太阳能电池新型无铅HOIDPs。选择钙钛矿的稳定性、禁带宽度和德拜温度作为目标性能，逐步筛选化学空间。为了在全球范围内搜索可能的HOIDPs候选化合物，首先从元素周期表中基于32种有机阳离子的元素组合的完整化学空间中筛选出包含18038种电中性化合物的数据库。然后利用结构稳定的条件筛选出结构不稳定的候选材料。第三，针对多目标多阶段屏幕建立了高精度的机器学习模型，并分析了相关特征对学习目标的重要性。基于机器学习预测的结果，一些类似斜方的无铅HOIDPs候选材料脱颖而出，并选择基于Br和环境友好的候选光采集技术进行进一步的DFT验证。最后，在带隙合适、德拜温度较高的条件下，筛选出了4种具有较高热稳定性的无铅HOIDPs太阳能电池材料，分别是(CH₃NH₃)₂AgAlBr₆, (CH₃NH₃)₂AgGaBr₆, (CH₃NH₃)₂AglnABr₆和(CH₂NH₆)₂AglnBr₆)。该研究成果以“Discovery of Lead-Free Perovskites for High-Performance Solar Cells via Machine Learning: Ultrabroadband Absorption, Low Radiative Combination, and Enhanced Thermal Conductivities”为题发表于Adv. Sci。