二维有机-无机杂化卤化铅钙钛矿（2D HOIP）的特殊性能促成了用于光电工程和太阳能转换的低维材料的大发展。2D HOIP的灵活性和可控性创造了各类结构空间。然而，传统的RP-DJ分类方法在描述结构对二维HOIP电子性质的影响方面存在着不足。为了克服这一限制，上海交通大学李金金基于二维HOIP的无机层畸变的影响，采用无机结构因子（SF）作为分类描述符设计了数据驱动平台。

本文要点

（1）作者研究了二维HOIP的SF、其他物理化学特征和带隙之间的关系。通过使用该结构描述符作为机器学习模型的特征，作者生成了304920个2D HOIP及其结构和电子特性的数据库，从中发现了大量以前被忽视的二维HOIP。

（2）随着该数据库的建立，将实验数据和机器学习方法相结合，作者开发了一个二维HOIP探索平台。该平台集成了搜索、下载、分析和在线预测，为进一步发现2D HOIP提供了有用的工具。

An Chen, et al. A Data-Driven Platform for Two-Dimensional Hybrid Lead-Halide Perovskites. ACS Nano. 2023

DOI：10.1021/acsnano.3c01442

https://pubs.acs.org/doi/10.1021/acsnano.3c01442