2D混合有機和無機鈣鈦礦（HOIP）用作3D鈣鈦礦頂部的覆蓋層，以提高其穩定性，同時保持所需的功率轉換效率（PCE）。因此，2D HOIP需要承受機械應力和變形，使剛度成為一個重要指標。然而，沒有模型可以解開它們的晶體結構和機械性能之間的關系。近日，拜羅伊特大學Harald Oberhofer、伯明翰大學Han Dan利用可解釋的機器學習（ML）模型來加速2D HOIP機械性能的計算機預測。
本文要點：
1) ML模型可以區分剛性和非剛性2D HOIP，并提取影響其楊氏模量的主要物理特征，即金屬-鹵素-金屬鍵角。此外，作者發現陽離子的空間效應指數（STEI）是非剛性的粗略標準，它們的最佳范圍是從概率分析中提取的。
2) 基于八面體變形與楊氏模量之間的強相關性，作者證明了該方法從單層到多層二維HOIP的可轉移性。總之，該工作將ML作為工具揭示了2D HOIP晶體結構和機械性能之間的復雜關系。
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
