钙钛矿氧化物因其广泛的成分和结构以及在各种应用中的宝贵性质而受到广泛研究。从单一钙钛矿 ABO₃扩展到双钙钛矿A₂BB′O₆显著增强了特定物理和化学性质的调控能力。然而，A₂BB′O₆的潜在成分数量庞大，使得通过实验探索所有成分面临巨大的挑战。在报告中，我们首先进行了高通量计算，系统性地研究了4900种A₂BB′O₆组成的结构和稳定性（其中 A = Ca、Sr、Ba 和 La；B 和 B′ 代表金属元素），进行了超过42,000次的密度泛函理论（DFT）计算。我们的分析发现了1500多种新的热力学稳定的A₂BB′O₆化合物，其中超过1100种表现出双钙钛矿结构，主要位于P2₁/c空间群。通过利用高通量数据集，我们开发了机器学习模型，实现了形成能和分解能的平均绝对误差分别为0.0422和0.0329 eV/原子。使用这些模型，我们识别出了803种稳定或亚稳定的包含稀土元素的新化合物，这些化合物超出了我们最初计算覆盖的化学空间，其中612种的DFT验证的分解能低于0.1 eV/原子，成功率达到76.2%。本工作揭示了A₂BB′O₆化合物热力学稳定性的特征，为这些材料后继的研究奠定了基础。

机器学习,高通量计算,氧化物,密度泛函