利用机器学习势揭示 FAPbI$_3$ 的低温相
材料科学
2025-09-03 v2
摘要
FAPbI 因其在太阳能电池应用中卓越的光电特性而备受关注。然而，该物质的低温相仍鲜有了解，关于其晶体结构、八面体倾斜以及 formamidinium (FA) 阳离子的排列问题尚存疑问。本文利用训练好的机器学习势能结合大规模分子动力学模拟，对该相进行细致研究，揭示其结构特征和动力学行为。分析结果表明，八面体倾斜模式清晰，并阐明了 FA 阳离子在低温相中的旋转动力学。令人惊讶的是发现 FA 阳离子会冻结在一种亚稳定配置中，无法达到热力学基态。通过将模拟结果与实验的核磁共振 (NMR) 和无限质子散射 (INS) 谱进行比较，我们证明了结果与实验观察具有良好一致性，从而进一步验证了我们的发现。这一现象镜像了实验观察，为解释实验难以达到真正基态提供了令人信服的解释。这些发现为阐明 FAPbI 及其低温行为的基本物理提供了关键见解，推动了该技术性重要材料的理解。
引用
@article{arxiv.2503.23974,
title = {Revealing the Low Temperature Phase of FAPbI$_3$ using A Machine-Learned Potential},
author = {Sangita Dutta and Erik Fransson and Tobias Hainer and Benjamin M. Gallant and Dominik J. Kubicki and Paul Erhart and Julia Wiktor},
journal= {arXiv preprint arXiv:2503.23974},
year = {2025}
}