机器学习加速搜寻新型双钙钛矿氧化物光催化剂

A_(2)BB'O_(6)型双钙钛矿氧化物材料,相比于ABO_(3)型单钙钛矿氧化物材料,具有更好的稳定性和更宽泛的能带选择范围,在光催化全解水领域具有良好的应用前景.然而,由于晶体结构和组成元素的多样性,实验和理论上快速、准确搜寻高催化活性的A_(2)BB'O_(6)型双钙钛矿氧化物材料具有相当大的挑战性.本文由材料数据库的带隙值数据出发,采用机器学习与第一性原理相结合的方法,从50000多种A_(2)BB'O_(6)型双钙钛矿氧化物材料中筛选出近8000种可能适用于光催化全解水的材料.对筛选结果的统计分析表明,B/B'位均为d^(10)金属离子的双钙钛矿氧化物,更有可能成为全解水光催化剂.随后通过进一步的第一性原理计算挑选出Sr_(2)GaSbO_(6),Sr_(2)InSbO_(6)和K_(2)NbTaO_(6)这3种带边位置合适且不含铅、汞离子的A_(2)BB'O_(6)型双钙钛矿氧化物材料作为候选的全解水光催化剂.