基于机器学习算法与晶体图卷积神经网络方法发现用于高性能太阳能电池的稳定杂化有机-无机双钙钛矿
材料科学
2023-08-02 v1 计算工程、金融与科学
计算物理
摘要
杂化钙钛矿太阳能电池是新近出现的高性能光伏器件，其存在有毒元素、短期稳定性差等缺点。在该领域，寻找具有高光伏性能和热稳定性的替代钙钛矿十分迫切。本工作中，受近期提出的材料基因组计划启发，我们首先针对杂化有机-无机双钙钛矿的形成能、带隙和德拜温度模型建立经典机器学习算法，随后选取高精度模型筛选大规模双钙钛矿化学空间，以过滤出适用于太阳能电池的优良钙钛矿候选材料。我们还分析了三个目标性质的重要性特征，以揭示潜在机制并发现高性能双钙钛矿的典型特征。其次，我们采用晶体图卷积神经网络（CGCNN）建立钙钛矿带隙的精确模型以进一步筛选。最后我们使用第一性原理方法验证 CGCNN 方法预测的结果，发现随机选取的二十个基于 (CH3)2NH2 的 HOIDP 候选材料中有六个具有有限带隙，特别是 (CH3)2NH2AuSbCl6 和 (CH3)2NH2CsPdF6 的带隙分别为 0.633 eV 和 0.504 eV，适于光伏应用。我们的工作不仅提供了大量可供未来实验或理论验证的潜在高性能双钙钛矿候选材料，也展示了此处首次提出的 ML 与 CGCNN 相结合方法的有效且强大的预测能力。
引用
@article{arxiv.2308.00490,
title = {Discovery of Stable Hybrid Organic-inorganic Double Perovskites for High-performance Solar Cells via Machine-learning Algorithms and Crystal Graph Convolution Neural Network Method},
author = {Linkang Zhan and Danfeng Ye and Xinjian Qiu and Yan Cen},
journal= {arXiv preprint arXiv:2308.00490},
year = {2023}
}