通过进化算法和机器学习发现具有优化带隙的新型硅同素异形体以提高太阳能电池效率

为了推进太阳能技术的发展，本研究提出了20种直接和准直接带隙的硅晶体半导体，它们满足Shockley-Queisser极限，这是太阳能电池效率的基准。我们采用两种基于进化算法的搜索方法，利用DFTB方法和高斯近似势优化结构并计算适应度函数。在基于能量考虑预选结构后，我们使用PBEsol DFT进一步优化。随后，我们根据带隙筛选结构，采用针对硅晶体带隙定制的DFTB方法。为确保带隙的准确性，我们应用了GW和HSE方法。为了验证结构稳定性，我们通过线性回归算法对PBEsol DFT数据进行声子分析。重要的是，本研究发现的结构因其机械和动力学稳定性而具有重要意义。此外，某些结构的低密度和高延展性增强了其应用潜力。我们通过求解GW近似基础上的Bethe-Salpeter方程来研究光学性质。通过计算光谱限制最大效率，我们在500纳米厚度的Si$_{22}$上实现了32.7%的效率。此外，研究利用多种机器学习算法开发了预测这些硅结构带隙的模型。机器学习模型的输入数据来自结构MBTR和SOAP描述符以及DFT输出。值得注意的是，结果表明从DFT中提取的特征优于MBTR和SOAP描述符。