维度网讯，澳大利亚新南威尔士大学（UNSW）的研究人员开发了一种人工智能辅助的工作流程，通过目标导向、数据驱动的方法取代传统的试错法，从而加速下一代半导体材料的发现。先进材料的设计历来是一个缓慢且迭代的过程，由于可能的分子组合数量巨大，研究人员难以高效识别可行的候选对象，这在材料科学领域形成了一个持久的瓶颈。

这次研究的重点在于混合钙钛矿，这是一类广泛应用于太阳能电池和发光二极管的半导体材料。这些材料通过将无机层与有机分子结合形成，其中有机成分在决定电荷传输等关键特性方面起着核心作用。新南威尔士大学解释称，该工作流程采用了“反向操作”逻辑：先定义性能目标(如所需的电荷传输特性)，再由系统识别候选分子。系统会筛选数百万种可能性，并自动消除那些在现实中难以合成的分子。

这种方法将搜索范围缩小到了极少数具有前景的候选对象，随后通过详细的计算模拟对其性能进行深度评估。新南威尔士大学指出，该方法解决了材料研究中长期存在的挑战，即发现过程往往受限于时间和成本，只能对已知化合物进行逐步微调，而无法对广阔的化学空间进行系统探索。

虽然目前识别出的候选材料尚未经过实验室验证，但新南威尔士大学表示，该工作流程能显著提升发现效率。通过简化可行半导体材料化合物的搜索过程，该技术有潜力加速电子和能源领域新材料的开发，为未来技术创新提供坚实的数据驱动基础。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com