洛桑联邦理工学院 (EPFL) 的一个研究项目开发了一种基于机器学习的方法，可以快速准确地搜索大型数据库，从而发现了 14 种用于太阳能电池的新材料。

随着我们将太阳能融入我们的日常生活，寻找能够有效地将阳光转化为电能的材料变得非常重要。尽管迄今为止硅在太阳能技术中占据主导地位，但由于钙钛矿材料成本较低且制造工艺更简单，人们也逐渐转向钙钛矿材料。

然而，挑战在于找到具有正确“带隙”的钙钛矿：特定的能量范围决定了材料吸收阳光并将其转化为电能而不以热量形式损失的效率。

现在，由王海源和阿尔弗雷多·帕斯夸雷洛领导的洛桑联邦理工学院研究项目与上海和新鲁汶的合作者共同开发了一种将先进计算技术与机器学习相结合的方法，以寻找用于光伏应用的最佳钙钛矿材料。这种方法可能会带来更高效、更便宜的太阳能电池板，从而改变太阳能行业标准。

该论文发表在《美国化学会杂志》上。

研究人员首先开发了 246 种钙钛矿材料的全面且高质量的带隙值数据集。该数据集是使用基于混合泛函的高级计算构建的，混合泛函是一种复杂的计算类型，包括电子交换，并改进了更传统的密度泛函理论 (DFT)。 DFT 是一种量子力学建模方法，用于研究原子和分子等多体系统的电子结构。

使用的混合泛函是“介电相关的”，这意味着他们将材料的电子极化特性纳入计算中。与标准 DFT 相比，这显着提高了带隙预测的准确性，这对于钙钛矿等材料尤其重要，因为电子相互作用和极化效应对其电子性能至关重要。

由此产生的数据集为识别具有最佳电子特性的钙钛矿材料提供了坚实的基础，适用于光伏等应用，其中对带隙值的精确控制对于最大化效率至关重要。