化学-力学耦合稳定混合 $\mathrm{Ag}_{x}\mathrm{Cu}_{1-x}\mathrm{GaSe}_{2}$ 太阳能电池吸收层：基于第一性原理信息辅助的机器学习势的 Monte-Carlo 模拟启示
材料科学
2026-05-19 v1 介观与纳米尺度物理
摘要
将 Ag 合金化到 Cu(In,Ga)Se 中已实现了创纪录的太阳能电池效率（约 ），但其长期稳定性仍存疑问，因为第一性原理计算预测在环境温度附近存在 Ag-Cu 的混溶隙。通过使用新开发的机器学习（ML）原子间势进行非格点 Monte-Carlo 模拟，我们表明相干应变的存在解决了实验观察与预测的相稳定性之间的争议。纳入相干构型中存在的弹性能贡献会导致 Ag-Cu 完全混溶，而预期发生的相分离则出现在缺乏相对于终端边界相的相干应变时，这种缺乏相干应变的情况由带有失配位错的不相干界面所模拟。所开发的 ML-MC 框架为解决力学与化学效应竞争体系中热力学稳定性的差异提供了一种新方法。
引用
@article{arxiv.2605.18057,
title = {Chemo-mechanical coupling stabilizes mixed $\mathrm{Ag}_{x}\mathrm{Cu}_{1-x}\mathrm{GaSe}_{2}$ solar-cell absorbers: Insights from Monte-Carlo simulations assisted by ab initio informed machine-learning potentials},
author = {Vasilios Karanikolas and Delwin Perera and Linus Erhard and Jochen Rohrer and Karsten Albe},
journal= {arXiv preprint arXiv:2605.18057},
year = {2026}
}
备注
14 pages, 7 figures