Berkeley Lab利用先进机器学习优化手性钙铛矿材料性能
B910化工消息：6月29日消息，美国劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)的研究团队在手性二维金属卤化物钙铛矿材料的性能优化方面取得重要进展。该团队开发了一套基于先进机器学习(ML)的工作流程，系统筛选并优化了影响手性钙铛矿光学性能的关键合成参数。
手性二维金属卤化物钙铛矿(2D MHPs)因其独特的圆二色性和自旋选择性电荷传输特性，被视为未来自旋光电子学和自旋电子学器件的核心候选材料。然而，这类材料在不同合成批次之间存在显著的性能差异，严重制约了其在实际器件中的应用。
研究团队利用机器学习算法分析了钙铛矿薄膜合成过程中的多个变量参数，包括温度、溶剂比例、退火条件等，建立了合成参数与材料手性光学响应之间的定量关系模型。通过该模型，研究人员能够精确预测和调控材料的关键光学性能指标，从而大幅提升了不同批次间性能的一致性和可重复性。
该研究成果解决了手性钙铛矿材料领域长期存在的一致性问题，为这类材料从实验室研究向产业化应用转化提供了方法论支持。手性钙铛矿在自旋LED、自旋光伏器件以及量子计算等前沿技术领域具有潜在应用价值。
相关研究由Berkeley Lab主导完成，研究成果有望推动自旋电子学领域的技术发展，加速新型手性光电材料的工程化进程。 （来源：Lawrence Berkeley National Laboratory）
手性二维金属卤化物钙铛矿(2D MHPs)因其独特的圆二色性和自旋选择性电荷传输特性，被视为未来自旋光电子学和自旋电子学器件的核心候选材料。然而，这类材料在不同合成批次之间存在显著的性能差异，严重制约了其在实际器件中的应用。
研究团队利用机器学习算法分析了钙铛矿薄膜合成过程中的多个变量参数，包括温度、溶剂比例、退火条件等，建立了合成参数与材料手性光学响应之间的定量关系模型。通过该模型，研究人员能够精确预测和调控材料的关键光学性能指标，从而大幅提升了不同批次间性能的一致性和可重复性。
该研究成果解决了手性钙铛矿材料领域长期存在的一致性问题，为这类材料从实验室研究向产业化应用转化提供了方法论支持。手性钙铛矿在自旋LED、自旋光伏器件以及量子计算等前沿技术领域具有潜在应用价值。
相关研究由Berkeley Lab主导完成，研究成果有望推动自旋电子学领域的技术发展，加速新型手性光电材料的工程化进程。 （来源：Lawrence Berkeley National Laboratory）
