机器学习加速的钙钛矿光电器件激发态模拟博士奖学金

项目842 · University of Birmingham - School of Metallurgy and Materials · University of Birmingham - School of Metallurgy and Materials

所在国家或地区: 英国
申请截止日期: 2026-08-31（具体时刻请核对原始公告）
资助信息: 仅限英国本地学生；3.5 年全额资助，仅覆盖 UK home fees

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

登录后保存项目或使用申请工具

阅读项目调研与申请判断

项目介绍

项目概览

该项目由伯明翰大学金属与材料学院提供，导师为 Linn Leppert 教授。

研究对象是卤化物钙钛矿在（自旋）光电器件中的激发态行为。

项目希望用机器学习方法突破第一性原理模拟在尺度和时间跨度上的计算瓶颈。

资助为 3.5 年全额博士奖学金，但仅覆盖英国本地学生学费。

项目详情

卤化物钙钛矿是一类应用前景很广的材料，尤其适用于（自旋）光电器件。项目介绍指出，这类材料优异的光电性能与激发电子态和软晶格中剧烈振动原子之间的耦合密切相关。这种耦合一方面可能导致电荷载流子和激子被俘获，产生峰位移动和谱线展宽；另一方面，这些效应有时是有益材料特性，有时又会限制器件性能。要从第一性原理层面理解并预测这些激发态现象，就必须进行计算量极高的数值模拟，而这恰恰限制了研究对象的规模和时间尺度。

项目的核心思路是：探索机器学习方法如何缓解这一瓶颈，使激发态模拟能够扩展到当前难以触及的系统尺寸和计算范围。研究因此位于方法开发与材料物理的交界处，强调既要推进算法/方法，也要服务真实材料问题。项目介绍还说明，学生将在一个积极协作的研究团队中工作，围绕复杂材料挑战开展研究。这里的“团队”并不只是行政意义上的组员集合，而是一个同时关心方法训练、科学问题和协作推进的研究环境。

项目提供的训练内容包括第一性原理电子结构与激发态方法，具体涉及密度泛函理论（DFT）、GW 和 Bethe-Salpeter 方程方法；同时还包括原子级模拟中的机器学习，以及高性能计算。整体训练路径表明，这不是单一方向的理论研究，而是将计算材料学、量子多体方法、机器学习和 HPC 结合起来的综合训练。换句话说，学生需要在电子结构理论、数值实现和数据驱动建模之间建立联动能力，项目也为这种组合式能力提供完整训练。

方法上，这意味着学生需要同时理解材料体系的电子结构、激发态动力学和机器学习近似之间的关系。项目的一个重要目标，是把昂贵的第一性原理计算转化为更高效的预测流程，从而把研究范围从小体系、短时间尺度扩展到更接近真实器件的条件。对想在理论材料、数值方法和数据驱动建模之间建立交叉能力的申请者来说，这是一条训练路径很完整的课题。

项目的训练目标还包括让学生学会把计算结果与材料物理图像对应起来，解释激发态俘获、谱线变化和器件性能之间的因果关系，并把这种解释能力带回方法开发中。

它也要求申请者能够把抽象数学语言转化为可解释的材料机制。

并增强方法的可迁移性。

申请要点

申请者背景：欢迎物理、材料科学、化学或相关学科的申请者；通常要求至少二等一学位（Upper Second-Class Honours）或同等学历。
必要基础：需要有量子力学或量子化学课程背景；若有电子结构理论或数值模拟经验会更有优势，但不是硬性要求，因为项目会提供完整训练。
申请材料：如对项目感兴趣，应先联系 l.leppert@bham.ac.uk，并附上 CV 以及两位推荐人的姓名和联系方式。
申请规则：在得到明确指示前，不要直接通过学校录取系统提交申请。
资助与期限：这是一个 3.5 年全额博士奖学金，但仅覆盖英国本地学生学费。
截止时间：2026 年 8 月 31 日；项目也说明，一旦找到合适候选人，岗位可能提前关闭，因此建议尽早申请。

需要进一步确认

研究组公开介绍页面提到可进一步了解课题组背景，但项目正文未展开更详细的课题分工与具体工作包。
如果申请者具有相关电子结构或数值模拟经验，实际在录取中权重多大，公开信息未量化说明。

核对原始项目信息

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-07-25。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-07-25。申请前请再次核对原始公告。

PhD 项目深度调研报告：PhD Studentship: ML-Accelerated Excited-State Simulations of Perovskite Optoelectronics

执行结论

推荐标签：有吸引力，但存在实质性不确定因素。

这是一个科研方向较强的计算材料学博士机会，但资助与资格条件存在明显风险。当前最强的已验证信号，是项目主题与 Prof Linn Leppert 课题组的研究方向高度一致：她近年的工作覆盖激子、低维与双钙钛矿、光电性质调控，以及数据密集型电子结构研究流程，与项目所强调的“用机器学习加速高成本激发态模拟”直接契合。University of Birmingham 也提供了相匹配的材料学科环境和研究计算基础设施。

核心不确定性主要不在科研本身，而在资助安排。项目介绍写明，该 studentship 为期 3.5 年、全额资助，但仅覆盖 UK home fees。公开信息没有说明津贴金额、具体资助方，也没有写明是否存在 overseas fee top-up。对于通常会被认定为 international/overseas-fee 身份的中国大陆申请者而言，这项“全额资助”目前并未得到完整验证，在将其视为可落地选项之前必须先核实。

学校、项目与地点信号

该项目隶属于 University of Birmingham 的 School of Metallurgy and Materials，对应官方 Metallurgy and Materials PhD/MSc by Research 项目环境。对于计算材料学博士而言，这一归属是可信的，因为项目训练明确跨越材料物理、电子结构理论、数值模拟、机器学习和高性能计算。

University of Birmingham 的整体学校信号较稳健。学校官方提供了 rankings overview，第三方机构资料还包括 QS 和 Times Higher Education。英国研究环境层面的背景还可通过官方 REF 2021 Engineering results 交叉核对。这些来源能支持学校和研究环境层面的判断，但并不能单独证明这个具体课题的执行质量。

项目地点位于 Birmingham。与 London 相比，这座城市通常生活成本压力更低，但实际负担仍高度取决于津贴金额和住宿成本。这里之所以特别关键，是因为项目介绍并未公开津贴数额。

导师与研究环境评估

导师研究方向

公开导师为 Prof Linn Leppert。她在 Birmingham 的官方 staff profile、Leppert Lab 主页，以及实验室 research page 都显示，她的核心方向是第一性原理计算材料学、激发态与光电性质，以及半导体/钙钛矿材料。这与项目方向并非松散相关，而是高度对口。

课题组近期发表进一步强化了这一匹配度。公开论文记录表明，实验室持续研究结构、维度和化学组成如何影响卤化物钙钛矿相关体系中的激子行为与光电性质，这与项目所关注的“激发电子态和软晶格运动之间的耦合”直接相关。

近期重要发表

近期可核实的代表性成果包括：

Controlling Excitons in Quasi-1D Perovskites by Dielectric Screening and Connectivity（2025）。这说明导师团队仍在持续推进低维钙钛矿激子物理，并使用第一性原理 GW/BSE 类方法。
Structural Distortions Control Scaling of Exciton Binding Energies in Two-Dimensional Ag/Bi Double Perovskites（2025）。这与项目强调的“激发电子态与结构畸变耦合”尤其贴近。
Molecular Engineering of Interlayer Exciton Delocalization in 2D Perovskites（2025）。该工作将分子/结构设计与层状钙钛矿中的激子离域和输运联系起来。
Spin-Polarized Electronic Structure and Chemical Bonding Data for 2,500+ Halide Double Perovskites（2026 预印本）。这为该方向的数据密集型电子结构研究流程提供了补充证据，但由于仍是预印本，结论应比同行评审论文更谨慎地使用。

研究环境、资源与合作

该项目的计算资源需求是可信且较高的。DFT、GW 和 Bethe-Salpeter-equation 工作流本身就计算昂贵，如果再叠加机器学习训练数据生成与验证，资源门槛会进一步上升。Birmingham 的 Advanced Research Computing 和 BEAR 页面为相关基础设施提供了公开证据。

不过，公开资料并未写明是否存在机器学习方向的副导师、软件方法专家，或负责器件解释的实验合作方。这不是致命缺陷，但值得申请前核实，因为该课题同时覆盖量子多体方法、atomistic ML、HPC 和材料物理解释，技术跨度并不小。

研究方向与领域前景

领域活力

该方向的领域信号较强。卤化物钙钛矿在 photovoltaics 和 optoelectronics 中仍然重要，原因在于它们一方面具备高性能潜力，另一方面在稳定性、缺陷、软晶格动力学以及器件转化方面仍存在大量未解决问题。近期领域文献，包括一篇 Advances in Optics and Photonics review，都支持这一材料体系仍然活跃且具有战略相关性。

机器学习这一侧也具有明显时效性。近期的 Materials Today Physics article 支持这样一个趋势：高质量、大规模数据集和机器学习模型正在重塑材料性质预测流程。对本项目而言，关键不只是“算得更快”，而是 ML 加速之后是否仍能保留激发态物理的可靠性。

可能的研究角度

结合项目介绍和领域背景，可以推测潜在研究路径包括：

使用 ML surrogate 或 learned potentials，将模拟长度和时间尺度扩展到直接第一性原理计算难以覆盖的范围；
基于 DFT 以及选定的高阶激发态计算构建训练数据；
将 ML 加速后的预测结果与 GW/BSE 或其他参考计算进行验证；
分析软钙钛矿中的 electron-phonon coupling、激子俘获、谱峰位移动与谱线展宽；
将计算得到的激发态行为转化为更清晰的材料设计规则。

这些内容属于基于项目介绍和公开背景所做的合理推断。公开信息并未说明确切的模型类别、数据集构造方式、软件栈或验证里程碑。

职业与市场前景

这类训练的可迁移性较强。项目可能帮助学生建立电子结构理论、atomistic machine learning、科学编程、HPC、面向不确定性的建模，以及半导体/光电材料分析方面的能力。英国政策层面的 UK Science and Technology Framework 和 Advanced Materials for the UK Strategy 也支持 AI、半导体、先进材料和计算研发方向的市场相关性。Prospects physical-sciences research scientist profile 则提供了更贴近就业端的技能要求参考。

需要注意的是，钙钛矿的商业化前景仍然受稳定性、规模化制造和可靠性等因素制约。因此，从职业角度看，更稳妥的资产是广义的 computational science 与 AI-for-science 能力组合，而不是单一材料体系本身。

资助、申请与生活成本

项目介绍明确写到：

3.5-year fully funded PhD studentship；
funding for UK students；
UK home fees only；
closing date 为 31 August 2026；
申请前应先联系 Prof Leppert，并发送 CV 与两位推荐人的信息，再通过学校 admissions system 提交正式申请。

这会直接影响申请筛选。Birmingham 官方确实提供了 postgraduate research fees and funding、China country information 和 China Scholarship Council Scholarships 等页面，但这些来源都不能证明这个具体 studentship 覆盖 overseas fees，或者能够与 CSC 资助自动配套。对于中国大陆申请者来说，除非导师或资助办公室以书面形式确认，否则资格路径仍然不清楚。

预算方面，UKRI support for funded students 可作为津贴水平的参考基线，但在资助方未确认前，不应视为该项目的实际金额。Birmingham 的 living-cost guidance 以及英国政府的 student-visa maintenance rules 也应一并纳入测算，尤其是房租、签证成本和 immigration health surcharge 的压力。

申请者适配与准备

最适合

该项目更适合物理、材料科学、化学、计算材料学或相关学科背景的申请者，且最好具备较扎实的量子力学或量子化学基础。它也更适合对方法开发有兴趣、并愿意把数值结果重新解释回材料物理机制的申请者。

需要谨慎

以下情况需要更谨慎评估：

申请者需要明确保证 international fee coverage；
申请者更希望从事以实验或器件制备为主的博士训练；
申请者目前缺乏足够的量子力学基础，难以较快进入电子结构和激发态方法。

项目介绍并未把 DFT 或数值模拟经验写成硬性门槛，但如果具备相关经历，确实会显著降低前期上手风险。

需要补强的技能与证据

更有说服力的申请证据包括：

量子力学、量子化学、固体物理或半导体物理相关课程；
编程与数值分析项目经历，最好能体现 Python 或类似科学计算环境的使用；
任何 DFT、molecular dynamics、GW/BSE、钙钛矿、spectroscopy 或 atomistic ML 相关经验；
Linux/HPC 使用经验、版本控制，以及可复现计算工作流；
一段清楚说明为何“ML 加速”和“第一性原理激发态物理”可以构成连贯研究方向的动机陈述。

风险与待核实问题

高优先级问题

该 studentship 是否仅限 UK home-fee-status 申请者，还是 overseas-fee 申请者也可能在获得学费支持的前提下被考虑？
对通常会被认定为 international 身份的中国大陆申请者而言，这个项目到底有哪些可行的具体资助路径？
2026/27 学年的年度津贴金额是多少，资助方是谁，津贴是否会逐年上调？
第一年的计划里程碑具体是什么，重点会放在 DFT/GW/BSE 基线计算、数据生成、模型选择，还是验证环节？
是否存在明确的机器学习、软件工程或钙钛矿器件解释方向的副导师或合作方？

中优先级问题

学生实际将使用哪些电子结构代码、ML 工具和 HPC 资源？
课题组是否已有可复用的数据集或工作流，还是学生需要从零开始搭建？
在 3.5 年周期内，哪些发表目标是现实可达的？
是否应在 31 August 2026 之前较早联系 Prof Leppert，因为岗位可能提前关闭？
如果申请者具备量子课程背景但 DFT 经验有限，入学前通常会期待哪些准备？

证据与来源

项目核心事实来自已提供的项目介绍。用于核实和补充背景的公开证据如下。

学校与项目环境