混合体系的原子位点编码：搜索多元钙钛矿化学空间

本文研究了空位有序双钙钛矿（VODPs）作为环保型替代材料在光电应用中的潜力。由于钙钛矿结构的灵活性，混合VODPs可以构建出丰富的化学空间，但同时也带来了高效筛选理想材料的挑战。传统的第一性原理计算成本高昂，难以应对混合体系的复杂性。为此，南京大学和华南师范大学的研究团队开发了一种结合数据增广与类Transformer架构的图神经网络（GNN）方法，用于预测混合VODPs的带隙和形成能等物理性质。该模型仅依赖原子位点信息即可对材料结构进行唯一表征，并成功泛化至复杂的中高熵体系和大尺寸超胞。研究还发现，数据增广策略能有效学习从未优化结构到物理性质的“多对一”映射关系。该模型成功再现了实验中Sn基VODPs的带隙弯曲效应，并筛选出最优光伏带隙区域（1.5~1.6 eV）的材料。这一研究显著降低了计算筛选混合钙钛矿材料的成本，为未来光电材料的开发提供了有力支持。