低维有机-无机卤化物
钙钛矿因其在激子动力学、宽带发射、磁自旋选择性方面的特性而引起了人们的兴趣。然而,没有定量模型来预测有机阳离子对这些低维
钙钛矿的维数的结构导向作用。在这里,我们报告了一种机器学习 (ML) 辅助方法来预测基于
碘化铅的
钙钛矿的维数。文献综述揭示了 86 种报告的胺,它们根据
钙钛矿的维数分为“2D”形成和“非 2D”形成。基于这些
铵阳离子的分类和描述符特征,对机械学习模型进行了训练和测试。四个结构特征,包括空间效应指数、偏心率、最大环尺寸和氢键供体,被确定为关键控制因素。在这些特征的基础上,创建了一个量化方程来计算选定胺形成二维
钙钛矿的概率。为了进一步说明其预测能力,将构建的模型应用于几种未经测试的胺,并通过从这些胺中生长
钙钛矿单晶来验证预测的维度。这项工作代表了使用 ML 作为工具预测低维杂化卤化物
钙钛矿晶体结构的一步。并且通过从这些胺中生长
钙钛矿单晶来验证预测的维度。这项工作代表了使用