基于机器学习与物理先验知识约束的双钙钛矿卤化物材料逐层筛选方法、设备、介质

本发明涉及一种基于机器学习与物理先验知识约束的双钙钛矿卤化物材料逐层筛选方法、设备、介质，针对传统数据驱动筛选框架存在的效率低、候选空间大以及多性能平衡不足难题，构建一种以光谱极限最大效率(SLME)为先导的级联筛选方法，通过严格遵循空间群对称性、SLME、带隙特性和热力学稳定性顺序的渐进决策链，实现高精度光伏材料的发现。基于元素配位环境与电荷中性原理构建候选材料空间，先以新容忍因子初筛结构稳定性，再依次通过机器模型逐层筛选，最终筛选出高性能材料。与现有技术相比，本发明提出了一种以SLME为核心、物理先验知识约束的逐层筛选方法，实现从结构、光学、电学到稳定性的多维度高效筛选。