基于密度泛函理论的无铅卤化物钙钛矿材料机器学习优化设计
材料科学
2024-07-23 v1
摘要
针对新兴的无毒无铅卤化物钙钛矿材料的探索，旨在推进环保型无铅钙钛矿太阳能电池的制造。本研究引入一种机器学习方法，用于预测具有光伏应用潜力的创新型卤化物钙钛矿材料。该研究预测的七种新型材料分别为：CsMnCl、RbMnCl、RbMnCl、RbMnCl、RbMnCl、RbMnCl和CsInCl。这些预测材料首先通过机器学习方法进行筛选，其有效性随后通过密度泛函理论计算进行验证。其中CsMnCl值得注意，具有1.37 eV的带隙，落在Shockley-Queisser极限范围内，适用于光伏应用。通过将机器学习与密度泛函理论相结合，本研究提出了一种更有效、更全面的材料发现与设计方法。
引用
@article{arxiv.2407.15573,
title = {Machine Learning-Enhanced Design of Lead-Free Halide Perovskite Materials Using Density Functional Theory},
author = {Upendra Kumar and Hyeon Woo Kim and Gyanendra Kumar Maurya and Bincy Babu Raj and Sobhit Singh and Ajay Kumar Kushwaha and Sung Beom Cho and Hyunseok Ko},
journal= {arXiv preprint arXiv:2407.15573},
year = {2024}
}