🔬 materials science

ML-guided screening of chalcogenide perovskites as solar energy materials

تقدم هذه الدراسة إطار عمل شاملاً وقائماً على البيانات يدمج بين تعلم الآلة، وعامل تفاوت مستمد من طريقة SISSO المبتكرة، ومقاييس الاستدامة، وذلك لفحص وتصنيف بيروفسكايتات الكالكوجينيد المستقرة والمجدية تجريبياً لتطبيقات الطاقة الشمسية من الجيل التالي.

المؤلفون الأصليون: Diego A. Garzón, Lauri Himanen, Luisa Andrade, Sascha Sadewasser, José A. Márquez

نُشر 2026-04-15

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Diego A. Garzón, Lauri Himanen, Luisa Andrade, Sascha Sadewasser, José A. Márquez

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك شيف ماهر يحاول ابتكار كعكة جديدة ومثالية. أنت تعرف الوصفة الأساسية: دقيق، سكر، بيض، وزبدة. لكنك تريد ابتكار كعكة "شوكولاتة" تكون أيضاً "نباتية" و"خالية من الغلوتين". المشكلة هي أن هناك الملايين من مجموعات المكونات المحتملة. إذا حاولت خبز كل واحدة منها، فستحرق مطبخك وتنفد أموالك قبل العثور على الفائز.

هذه هي بالضبط المشكلة التي يواجهها العلماء عند البحث عن مواد جديدة للألواح الشمسية. إنهم يبحثون عن نوع معين من البلورات يسمى "بيروفسكايت الكالكوجينيد" (chalcogenide perovskite). فكر في هذه المواد على أنها "الكعكات الخارقة" لعالم الطاقة الشمسية — إذ يمكنها التقاط ضوء الشمس بكفاءة مذهلة، وتدوم لفترة طويلة، ويمكن صنعها من مكونات آمنة وصديقة للبيئة. لكن العثور على الوصفة الصحيحة أمر صعب للغاية لأن العديد من المكونات التي "تبدو" وكأنها ستنجح، تتحول في الواقع إلى فوضى عديمة الفائدة (مثل قطعة طوب) عندما تحاول خبزها.

هذه الورقة البحثية تتحدث عن فريق من العلماء الذين بنوا "فلتر وصفات" ذكي للغاية ومدعوم بالذكاء الاصطناعي للعثور على أفضل وصفات الكعك الشمسي دون الحاجة لخبزها جميعاً أولاً.

إليك كيف يعمل "مطبخهم"، خطوة بخوة:

1. "اختبار التذوق" الجديد (عامل التسامح $\tau^*$ )

تقليدياً، كان الطهاة (العلماء) يستخدمون مسطرة بسيطة لمعرفة ما إذا كانت المكونات ستتناسب مع بعضها. كانت لديهم قاعدة تسمى "عامل التسامح لغولدشميت". كانت تشبه قول: "إذا كانت البيضات كبيرة جداً على الوعاء، فلا تستخدمها".

المشكلة: هذه المسطرة القديمة كانت بدائية جداً. فقد سمحت بدخول العديد من المكونات التي تبدو جيدة على الورق ولكنها تفشل في الفرن.
الحل: استخدم الفريق خوارزمية ذكاء اصطناعي (تسمى SISSO) لدراسة آلاف الوصفات السابقة. ابتكروا اختبار تذوق جديد فائق الدقة (يسمى $\tau^*$ ).
التشبيه: بدلاً من مجرد قياس حجم البيضة، يتحقق هذا الاختبار الجديد من "شخصية" المكونات. إنه يسأل: "هل تحب هذه الذرات تحديداً بعضها البعض بما يكفي لتتشابك أيديها وتكون هيكلاً مستقراً؟" هذا الاختبار الجديد أفضل بكثير في رصد "البيض الفاسد" قبل حتى أن يدخل في وعاء الخلط.

2. "الخباز الافتراضي" (CrystaLLM)

بمجرد أن قام الذكاء الاصطناعي بتصفية المكونات السيئة، أصبح لدى الفريق قائمة من الوصفات الواعدة. لكن مجرد امتلاك المكونات الصحيحة لا يضمن أن الكعكة ستنتفخ.

المشكلة: أحياناً، حتى مع وجود مكونات جيدة، قد يستقر الخليط في شكل غريب (هيكل غير بيروفسكي) بدلاً من الشكل المكعب المثالي المطلوب للطاقة الشمسية.
الحل: استخدموا نموذج ذكاء اصطناعي توليدي يسمى CrystaLLM. فكر في هذا النموذج كـ "خباز افتراضي" قرأ ملايين كتب الطبخ. ينظر إلى قائمة المكونات ويتخيل فوراً كيف سيبدو شكل الكعكة إذا تم خبزها.
النتيجة: قال الخباز الافتراضي: "مهلاً، هذا المزيج قد يبدو مثل قطعة طوب، وليس كعكة!" فقام بتصفية الوصفات التي قد تشكل الهيكل الخاطئ، تاركاً فقط تلك التي من المرجح أن تشكل هيكل البلورة الشمسية المثالية.

3. "متنبئ الألوان" (تقدير فجوة النطاق)

الآن لدينا قائمة بالكعكات التي قد تنجح. ولكن هل لون الكعكة صحيح؟

المفهفوم: تحتاج الألواح الشمسية إلى امتصاص ألوان محددة من الضوء (مثل الأحمر أو الأزرق) لتوليد الكهرباء. إذا امتصت المادة اللون الخاطئ، فستكون عديمة الفائدة.
الحل: استخدموا ذكاءً اصطناعياً آخر (CrabNet) للتنبؤ بـ "لون" (فجوة النطاق) المادة بمجرد النظر إلى مكوناتها.
التشبيه: يشبه الأمر التنبؤ بأن كعكة تحتوي على الكثير من الكاكاو ستكون داكنة جداً (تمتص الكثير من الضوء) أو واحدة تحتوي على الكثير من السكر ستكون باهتة جداً (تمتص القليل جداً من الضوء). لقد اختاروا وصفات "غولدي لوكس" (المثالية) التي تمتص الكمية المناسبة تماماً من ضوء الشمس.

4. "الفحص الأخلاقي والاقتصادي" (الاستدامة)

أخيراً، حتى لو كانت الكعكة ذات مذاق رائع وتبدو مثالية، هل يمكنك حقاً شراء المكونات؟

المشكلة: ماذا لو كانت الوصفة تتطلب مادة "Unobtainium" أو عنصراً نادراً لا يوجد إلا في بلد يعاني من الحروب؟ ستكون هذه وصفة سيئة للمستقبل.
الحل: أضافوا "درجة استدامة". لقد تحققوا من:
- مخاطر الإمداد: هل هذا المكون نادر أو يصعب الحصول عليه؟ (مثل محاولة العثيد على الكمأة في وقت الجفاف).
- السمية: هل هو آمن؟ (لا يوجد رصاص أو يورانيوم مشع).
- التكلفة: هل هو ميسور التكلفة؟
النتيجة: قاموا بترتيب الكعكات ليس فقط بناءً على المذاق، بل أيضاً بناءً على مدى سهولة وأمان صنعها للعالم أجمع.

القائمة النهائية

بعد تشغيل كل هذه الفلاتر، لم يجد الفريق فائزاً واحداً فحسب؛ بل وجدوا قائمة قصيرة لأفضل المرشحين.

النجم: أكدوا أن BaZrS3 (وهي مادة معروفة) لا تزال منافساً قوياً، خاصة للألواح الشمسية عالية الجودة.
النجوم الجدد: اكتشفوا عدة وصفات جديدة غير مستكشفة (مثل CuHfS3 و EuYbSe3) تبدو واعدة للغاية. هذه هي "الوصفات السرية" التي لم يجربها أحد بعد، ولكن الذكاء الاصطناعي يقول إنها قد تكون الشيء الكبير القادم.

لماذا يهم هذا؟

قبل هذه الورقة البحثية، كان العثور على هذه المواد يشبه البحث عن إبرة في كومة قش عن طريق وخز كل قطعة قش بعصا. كان الأمر بطيئاً، مكلفاً، ومحبطاً.

تظهر هذه الورقة طريقة جديدة: استخدم الذكاء الاصطناعي للنظر في كومة القش، والتنبؤ بالقطع التي قد تكون إبراً، ثم قم بوخز القطع الأكثر احتمالاً فقط.

إنهم لا يقولون: "لقد صنعنا اللوح الشمسي المثالي". بل يقولون: "إليكم قائمة بأفضل 30 وصفة يجب أن تجربوا خبزها في مختبراتكم أولاً". هذا يوفر الوقت، والمال، والطاقة، مما يقربنا من مستقبل تكون فيه الطاقة الشمسية أرخص، وأنظف، وأكثر كفاءة.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "المسح الموجه بتعلم الآلة لبيروفسكايت الكالكوجينيد كمواد للطاقة الشمسية" من قبل غارزون وآخرون.

1. بيان المشكلة

تُعد بيروفسكايت الكالكوجينيد (ABX₃ حيث X = S, Se, Te) مرشحات واعدة للجيل القادم من الخلايا الكهروضوئية نظرًا لاستقرارها الجوهري، وخصائصها الإلكترونية الضوئية القابلة للضبط، وخلوها من العناصر السامة (على عكس بيروفسكايت الهاليد والرصاص). ومع ذلك، فإن تحقيقها التجريبي محدود بشدة بسبب:

الأطوار المتنافسة: الاستقرار الديناميكي الحراري العالي للأطوار الثنائية والمتعددة الكبريتيد غالبًا ما يمنع تكوين بنية البيروفسكايت المرغوبة.
تعدد الأشكال الهيكلية: وجود بنيات غير بيروفسكايت (مثل ثماني الأوجه متشارك الحواف) والتي تكون متشابهة كيميائيًا ولكنها أدنى من الناحية الإلكترونية الضوئية.
تحديات التصنيع: درجات حرارة التصنيع العالية وصعوبات التوسع في الإنتاج.
الفجوة بين التنبؤ والواقع: تفشل الواصفات الهندسية الكلاسيكية (مثل عامل التسامح لجولدشميت) في التنبؤ بموثوقية استقرار الطور في الكالكوجينيدات بسبب زيادة طابعها التساهمي مقارنة بالأكاسيد أو الهاليدات. علاوة على ذلك، فإن حسابات نظرية الكثافة الوظيفية (DFT) عالية الإنتاجية مكلفة حاسوبيًا ولا ترتبط دائمًا بقابلية التصنيع التجريبي.

2. المنهجية: خط معالجة مسح متعدد المراحل يعتمد على تعلم الآلة

يقترح المؤلفون إطار عمل للمسح يعتمد بالكامل على البيانات والأسس التجريبية، والذي يدمج الواصفات التحليلية القابلة للتفسير، والنماذج التوليدية، وتعلم الآلة (ML) للتنقل في الفضاء الكيميائي لبيروفسكايت الكالكوجينيد الافتراضية. يتكون خط المعالجة من أربع مراحل متتالية:

**أ. اشتقاق عامل تسامح جديد ( $\tau^*$ )**

المنهج: بدلاً من الاعتماد على العوامل الهندسية الكلاسيكية، استخدم المؤلفون خوارزمية SISSO (الشاشة المستقلة المؤكدة والمشغل المتبسط) لاشتقاق واصف تحليلي جديد.
البيانات: تم التدريب على مجموعة بيانات منسقة من مركبات ABX₃ الهاليدية والكالكوجينيدية المبلغ عنها تجريبيًا (سواء كانت أطوار بيروفسكايت أو غير بيروفسكايت).
الواصف: تتضمن الصيغة الناتجة، $\tau^*$ ، أنصاف أقطار الأيونات ( $r_A, r_B, r_X$ ) مع حدود من الرتب العليا وحدود لوغاريتمية لعدم تطابق الحجم لمحاكاة التساهمية وعدم التماثل الهيكلي.
المعيار: يتم تحديد استقرار البيروفسكايت عندما يكون $\tau^* < 0.846$ .

ب. التنبؤ ببنية البلورة التوليدية

الأداة: CrystaLLM، وهو نموذج لغوي كبير تم تدريبه على أكثر من 3 ملايين بنية بلورية مشتقة من نظرية الكثافة الوظيفية (DFT).
الوظيفة: توليد ملفات معلومات بلورية (CIFs) للمركبات التي تجتاز مرشح $\tau^*$ .
التصفية: يتم تحليل البنيات المولدة لضمان اعتمادها على توبولوجيا ثماني الأوجه "متشارك الزوايا" (corner-sharing) المطلوبة للبيروفسكايت، مما يستبعد الأنماط "متشاركة الحواف" (edge-sharing) الشائعة في مجموعات الفراغ $Pnma$ والتي لا تشكل بيروفسكايت حقيقية.

ج. تقدير فجوة النطاق

الأداة: CrabNet، وهو نموذج تعلم عميق قائم على التركيب يستخدم آليات الانتباه.
التدريب: تم التدريب على مجموعة بيانات متنوعة من بيروفسكايت الهاليد الهجينة، وبيروفسكايت الكالكوجينيد، وأشباه موصلات الكالكوجينيد لضمان القدرة على التعميم.
المخرجات: يتنبأ بفجوة النطاق الضوئية ( $E_g$ ) لـ 54 مرشحًا تم التحقق من بنيتهم هيكليًا.

د. تقييم القابلية للتصنيع والاستدامة

القابلية للتصنيع: يستخدم شبكة عصبية تلافيفية رسومية (GCNN) مدربة مسبقًا لحساب درجة تشابه البلورات (CLS). نهج التعلم (PU) هذا يتنبأ باحتمالية كون البنية قابلة للتحقيق تجريبيًا بناءً على البلورات المصنعة المعروفة.
টি
الاستدامة: يحسب خطر الإمداد (SR) باستخدام مؤشر هيرفيندال-هيرشمان (HHI) للتركيز في السوق، ودرجات الحوكمة البيئية والاجتماعية وحوكمة الشركات (ESG) من بيانات البنك الدولي.
التصنيف متعدد الأهداف: يتم تصنيف المرشحين بناءً على ملاءمتهم لهياكل الخلايا الفوتوضوئية أحادية الوصلة ( $E_{opt} \approx 1.34$ إلكترون فولت) والتاندم/المزدوجة ( $E_{opt} \approx 1.71$ إلكترون فولت)، مع موازنة الانحراف في فجوة النطاق، وخطر الإمداد، وقابلية التصنيع.

3. المساهمات الرئيسية

الواصف الجديد ( $\tau^*$ ): قدم عامل تسامح جديد مشتق من SISSO يتفوق بشكل كبير على المقاييس الراسخة (Goldschmidt, Jess, Bartel) في التنبؤ باستقرار بيروفسكايت الكالكوجينيد، محققًا دقة بنسبة 91.2% وإحكامًا بنسبة 95.0% على البيانات التجريبية.
استراتيجية المسح الهجينة: أظهر سير عمل قابل للنقل يجمع بين الاستقرار الهندسي، والتنبؤ البنيوي التوليدي، وتقييم القابلية التجريبية، مما يقلل الاعتماد على حسابات DFT المكلفة.
تكامل الاستدامة: كان من أوائل من أدرجوا مقاييس مخاطر الإمداد الاجتماعية والاقتصادية في مرحلة مبكرة من عملية اكتشاف المواد لتحديد مواد ليست عالية الأداء فحسب، بل قابلة للتوسع ومستدامة أيضًا.
تحديد مرشحين جدد: حدد العديد من بيروفسكايت الكالكوجينيد غير المستكشفة سابقًا ذات الإمكانات العالية لتطبيقات الطاقة الشمسية.

4. النتائج الرئيسية

أداء $\tau^*$ : قلل الواصف الجديد من الإيجابيات الكاذبة بشكل كبير مقارنة بـ $t_{Jess}$ و $t_{Bartel}$ مع الحفاظ على معدل استدعاء عالٍ. لقد حدد بدقة نافذة الاستقرار لـ 181 تركيبة من أصل 1,392 مرشحًا محتملًا.
التنقيح الهيكلي: بعد تطبيق CrystaLLM للتحقق من توبولوجيا تشارك الزوايا، تم تقليص عدد المركبات المرشحة إلى 54 مركبًا.
تحليل فجوة النطاق: أظهرت الـ 54 مرشحًا متوسط فجوة نطاق قدره 1.86 إلكترون فولت، مما يجعلها مثالية للخلايا العلوية في التكوينات المزدوجة (Tandem). أظهر النموذج متوسط خطأ مطلق (MAE) قدره 248 ميلي إلكترون فولت على مجموعة الاختبار.
المرشحات الأفضل:
- تظل BaZrS₃ هي المعيار المرجعي، حيث تُظهر خصائص مثالية للخلايا المزدوجة.
- المواد الجديدة الواعدة: تم تحديد CuHfS₃، و CuZrSe₃، و EuYbSe₃، و EuScS₃، و LaTbS₃ كأهداف ذات أولوية عالية.
- القابلية للتصنيع: معظم المرشحين الأفضل لديهم درجة تشابه بلوري (CLS) > 0.88، مما يشير إلى تشابه إحصائي عالٍ مع المواد المصنعة المعروفة.
المقايضات: أظهرت المركبات القائمة على العناصر الأرضية النادرة (مثل Eu, Tb) خصائص هندسية وإلكترونية ممتازة، لكنها غالبًا ما تحمل مخاطر إمداد أعلى. أما المركبات القائمة على النحاس (مثل CuHfS₃) فقد قدمت توازنًا أفضل بين خطر الإمداد المنخفض وفجوات النطاق المناسبة.

5. الأهمية

تعالج هذه الدراسة العقبة الحرجة في اكتشاف المواد حيث تفشل التنبؤات النظرية غالبًا في الانتقال إلى الواقع التجريبي. من خلال دمج الواصفات الفيزيائية القابلة للتفسير مع الذكاء الاصطناعي التوليدي والقيود الاجتماعية والاقتصادية، يوفر المؤلفون إطار عمل قوي لاكتشاف المواد في المساحات "المقيدة كيميائيًا".

تسلط الدراسة الضوء على أن:

الاستقرار الهندسي ضروري ولكنه غير كافٍ: القيود التوبولوجية (تشارك الزوايا) و(CLS) القابلية التجريبية هي مرشحات حاسمة.
الاستدامة هي معلم تصميم: يجب تقييم مخاطر سلسلة التوريد جنبًا إلى جنب مع الأداء الإلكتروني الضوئي لضمان النشر واسع النطاق القابل للتطبيق.
سير العمل القائم على البيانات يمكنه سد الفجوة: يقدم هذا الخط من العمل قائمة مستهدفة من الأولويات للعلماء التجريبيين، مما يقلل بشكل كبير من الوقت والتكلفة المرتبطين بالتجارب والخطأ في البحث عن ممتصات شمسية مستقرة وغير سامة.

يؤكد المؤلفون أنه بينما هذه أهداف ذات أولوية، فإن التحقق التجريبي لا يزال مطلوبًا، خاصة فيما يتعلق باستقرار حالة الأكسدة (على سبيل المثال، Cu²⁺ مقابل Cu⁺) والديناميكا الحرارية للاختزال، والتي لا يتم نمذجتها صراحة في سير العمل الحالي.

1. "اختبار التذوق" الجديد (عامل التسامح τ∗\tau^*τ∗)