近期，杭州电子科技大学电子信息学院&碳中和新能源研究院严文生团队在Cell Reports Physical Science期刊发表研究论文，其中，杭州电子科技大学（电子信息学院&碳中和新能源研究院）为论文第一单位，硕士生祝晨阳为论文第一作者，周鹏博士后，臧月副教授和严文生教授为第一单位的论文通讯作者。
密度泛函理论（DFT）计算一直是预测和发现新材料的重要工具。我们利用机器学习（ML）技术和使用Perdew-Burke-Ernzerhof（PBE）泛函所计算的488个数据集构建并训练了ML模型。随后将钙钛矿数据库扩展到177,264个数据集。最后采用高通量筛选技术，通过评估稳定性、带隙和光伏性能的三阶段筛选过程，将177,264个数据集减少到434个。通过高通量筛选，剩余的具有实用价值的钙钛矿太阳电池的光谱极限最大效率（SLME）值均超过20%，并且最后所选的4个钙钛矿太阳电池的SLME值超过23%。这些具有最高SLME值的四组钙钛矿太阳能电池均为无铅。该研究为进一步开发高效、稳定的绿色无铅钙钛矿太阳能电池提供了有价值的参考。
