随着人工智能技术在各个领域的广泛应用，机器学习已经成为材料科学研究的一大助力，尤其是在分子和晶体结构表征、性质预测等方面显示出巨大潜力。采用高通量第一性原理计算与机器学习算法相结合的理论筛选策略，可以大大提高材料筛选的效率和准确性。机器学习算法基于合适的训练集可以自主建立物理多参量间复杂映射，实现高效准确的材料性能预测与材料筛选。我们的团队已成功应用这些算法筛选出具有优异光学、电学和热学性能的新型无铅双钙钛矿材料体系，这不仅推动了机器学习在材料科学中的广泛应用，也为未来的材料设计和性能优化开辟了新的途径和工具。此外，为了克服实验阶段的挑战，特别是在大规模高通量计算中识别并实验制备新材料的时间和技术要求，我们引入机械臂技术，建立自动化实验室。这不仅加速了材料的发现过程，也大幅度提升了实验的效率和成功率。