JACS：机器人合成+机器学习研究反溶剂对钙钛矿稳定性的影响

反溶剂结晶方法经常用于制造高质量的金属卤化物钙钛矿 (MHP) 薄膜、生产相当大的单晶以及在室温下合成纳米颗粒。然而，关于特定反溶剂对多组分MHP内在稳定性的影响的系统探索尚未得到证实。

在此，美国田纳西大学诺克斯维尔分校Mahshid Ahmadi等人开发了一个高通量实验工作流程，该工作流程结合了化学机器人合成、自动表征和机器学习技术，以探索反溶剂的选择如何影响光致发光 (PL) 行为，从而影响二元 MHP系统在环境条件下随时间的内在稳定性。

作者基于MAPbI₃、MAPbBr₃、FAPbI₃、FAPbBr₃、CsPbI₃ 和CsPbBr₃（MA，甲基铵；FA⁺，甲脒）的不同组合合成了15个组合库，每个组合库具有96种独特的组合，总共合成了大约1100种不同的组合物。

图1. 用于探索15个MHP组合库的实验工作流程示意图

其中，每个组合库使用两种不同的反溶剂（甲苯和氯仿）制造两次。合成后，光致发光光谱每5分钟自动执行一次，持续约6小时。

然后利用机器学习将特征PL行为有效地映射到合成区域，利用非负矩阵分解 (NMF) 来绘制依赖于时间和成分的光电特性。通过对每个组合库使用此工作流程，作者证明了反溶剂的选择对于MHP在环境条件下的内在稳定性至关重要。

作者探索了可能的动态过程，例如卤化物偏析，负责由选择反溶剂引起的稳定性或最终降解。总的来说，这项高通量研究证明了反溶剂在合成高质量多组分MHP系统中的重要作用。

图2. 哪种反溶剂更适用于每个二元MHP系统的指南

High-Throughput Study of Antisolvents on the Stability of Multicomponent Metal Halide Perovskites through Robotics-Based Synthesis and Machine Learning Approaches, Journal of the American Chemical Society 2021. DOI: 10.1021/jacs.1c10045

华算科技推出了【机器学习+材料】零基础课程，针对零编程基础的化学、材料学工作者，先扎实学习当下最流行、与机器学习契合度最高的Python语言，再学习机器学习的基本算法，并对文献案例进行重现。课程包含大量实际操作内容，掌握编程神器Python与黑科技机器学习不再遥不可及。

 点击阅读原文，提交计算需求！