通过机器学习加速发现具有巨大极化的超四方钙钛矿

为什么寻找新晶体很重要

从更快的存储芯片到更高效的太阳能电池以及能感知最轻触碰的传感器，许多新兴技术依赖于一类称为铁电体的特殊材料，这些材料具有内在的电极化。内部电极化越强且越稳定，器件就越强大、用途越广。该研究展示了如何将机器学习与量子力学模拟结合，快速发现先前未知、具有异常大极化的铁电晶体，可能将多年试错式的实验工作缩短为有指导的数字化搜索。

拉伸晶体以提升电性能

许多优秀的铁电体拥有一个通用的晶体框架，即钙钛矿结构，原子位于重复立方体的角、面和中心。当这个立方体被拉伸，使其高度远大于宽度时，结构就变成科学家所称的“超四方形”，其内部电极化可显著增大。不幸的是，这种极端形状通常难以稳定，常需特殊薄膜生长条件、高压或缺陷。作者的目标是寻找能够在常温下自然采用这种强烈拉伸形态且稳定的新钙钛矿，从而更易于在实际器件中使用。

教计算机识别有前途的配方

研究团队没有逐一测试成千上万种可能的化学配方，而是训练了一个机器学习模型来识别哪些元素组合可能产生高度拉伸的晶体。他们从95种已知钙钛矿入手，用十个基本量的紧凑集合来描述每种材料，例如不同原子吸电子的强弱、离子大小，以及捕捉构件匹配程度的简单几何度量。模型的任务是预测某种材料的高宽比是否超过指示超四方状态的关键阈值。在比较了几种算法后，他们发现一种称为Extra Trees的分类器能够在测试数据中完美区分拉伸结构与普通结构，这使他们有信心将其应用于更大规模的候选池。

将数千个候选缩减到少数精挑细选

借助这个数字过滤器，研究人员探索了由不同正负离子组合构成的2021种可能钙钛矿的设计空间。机器学习模型首先将其中130种标为可能高度拉伸。随后，团队应用了基于几何稳定性已知边界的额外简单结构规则，以剔除可能会坍塌或扭曲成其他形态的晶体。这一步将候选名单缩减到56种具有有希望形状的新氧化物钙钛矿。针对这些材料，他们进行了详尽的量子力学模拟以确认晶体结构、在相关情况下考察不同磁排列，并计算材料极化时原子的位移，这是估算电响应的关键要素。

八种突出材料及其特点

结合筛选与模拟流程最终确定了八种尤其有前景的氧化物钙钛矿，其中大多数此前未以这种形式报道。它们都表现出非常大的自发极化值，可与或超过已知铁电体，且预测在室温下无需特殊工艺即可稳定。两种基于锶—铅和铕—锡的化合物特别引人注目，因为它们的电子带隙接近将光转化为电能的理想范围，表明它们可能支持高效的铁电光伏器件。另有两种涉及锡—铁和钙—钽的化合物被预测同时具有电极化性与金属性，这是一种不寻常的组合，可能为自旋电子学和超导技术打开新方向。通过分析离子尺寸、电负性等简单描述符与晶体拉伸和极化之间的关联，作者还提炼出实用的设计规则，便于选择可能产生强性能铁电体的元素组合。

这对未来材料设计的意义

本质上，这项工作表明：经过精心训练的机器学习模型，在基本化学直觉的引导下并由严格的量子计算核验，能够高效地在广阔的钙钛矿成分空间中导航。被突出显示的八种晶体并非纯粹理论上的稀奇：它们被预测在结构和化学上稳定、极性强，并且在某些情况下与光伏或电子应用良好匹配。同样重要的是，这项研究澄清了哪些元素特性倾向于产生高度拉伸、强极化的结构，使先进铁电体的搜索变得更可预测、基于规则。该方法可加速许多其他功能材料的发现，帮助将数据与算法转化为电子与能源技术的切实进展。

引用: Hu, W., Wu, Z., Li, M. et al. Accelerated discovery of supertetragonal perovskites with giant polarization via machine learning. npj Comput Mater 12, 103 (2026). https://doi.org/10.1038/s41524-026-01970-w

关键词: 铁电钙钛矿, 机器学习材料发现, 超四方氧化物, 极性金属, 铁电光伏