利用机器学习力场追踪卤化物钙钛矿中的离子迁移
材料科学
2025-05-20 v2
摘要
卤化物钙钛矿光电器件因高度可移动带电缺陷的迁移而 suffer from 化学降解和电压-电流滞后现象。原子尺度的分子动力学模拟能够捕捉这些离子缺陷的运动，但经典力场由于无法描述其动态电荷状态而过于僵化。以 CsPbI3 为案例研究，我们从密度泛函理论计算中训练机器学习力场，研究 bulk CsPbI3 中带电卤化物空位和空位缺陷的扩散。我们发现，负离子卤化物空位和正离子卤化物空位——即其各自缺陷类型最稳定的电荷状态——在室温下迁移速率相似。中性空位更快，但中性空位慢一个数量级。对于在器件工作或反向偏置条件下可能出现的相互带电的空位和空位，迁移速率显著减慢，可视为相对不动。
引用
@article{arxiv.2409.16051,
title = {Tracing Ion Migration in Halide Perovskites with Machine Learned Force Fields},
author = {Viren Tyagi and Mike Pols and Geert Brocks and Shuxia Tao},
journal= {arXiv preprint arXiv:2409.16051},
year = {2025}
}