🔬 materials science

Charting the thermodynamic stability of hybrid perovskite alloys with machine learning

تستخدم هذه الدراسة استراتيجية تعلم آلي ثنائية المستوى تجمع بين إمكانات الشبكة العصبية الرسومية ومتنبئات الطاقة المباشرة لرسم خريطة الاستقرار الديناميكي الحراري لسبائك البيروفسكايت (Cs/FA)Pb(Br/I)₃ و (Cs/FA)Sn(Br/I)₃، كاشفةً أن الأنظمة القائمة على القصدير تمتلك مناطق تركيب مستقرة أضيق من تلك القائمة على الرصاص، وأن أقصى درجات الاستقرار تحدث عند محتوى عالٍ من اليود.

المؤلفون الأصليون: Jarno Laakso, Armi Tiihonen, Patrick Rinke

نُشر 2026-05-29

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Jarno Laakso, Armi Tiihonen, Patrick Rinke

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 رئيس طهاة ماهر يحاول ابتكار الكعكة المثالية والأكثر استقراراً. لديك أربعة مكونات رئيسية: السيزيوم (Cs)، والفورماميدينيوم (FA)، والرصاص (Pb) أو القصدير (Sn)، ومزيج من البروم (Br) واليود (I). من خلال خلط هذه المكونات بكميات مختلفة، يمكنك صنع "كعكة بيروفسكايت هجينة" تحول ضوء الشمس إلى كهرباء.

المشكلة هي أن هناك مليارات الوصفات الممكنة. إذا حاولت تجربة واختبار كل وصفة في مطبخ حقيقي (أو باستخدام حواسيب حقيقية بالطرق القياسية)، فسيستغرق الأمر وقتاً أطول من عمر الكون. بعض الوصفات مذاقها رائع لكنها تتفكك بسرعة (غير مستقرة)، بينما البعض الآخر صلب كالصخر لكن مذاقه ليس جيداً (كفاءة منخفضة).

هذه الورقة البحثية تتحدث عن فريق من العلماء الذين بنوا مساعد مطبخ ذكي للغاية يعمل بالذكاء الاصطناعي لمعرفة أي الوصفات هي الأفضل دون الحاجة لخبز مليارات الكعكات فعلياً.

إليك كيف فعلوا ذلك، باستخدام تشبيهات بسيطة:

1. استراتيجية الذكاء الاصطناعي ذات الخطوتين

أدرك العلماء أن اختبار كل وصفة سيكون بطيئاً للغاية، لذا بنوا نظاماً من مستويين:

المستوى 1: "المتذوق الذكي" (نموذج MACE)
فكر في هذا كطاهٍ مدرب تدريباً عالياً يمكنه النظر إلى عجينة خام غير مطبوخة والتنبؤ بدقة بكيفية استقرارها ومذاقها بمجرد خبزها. تم تدريب هذا الذكاء الاصطناعي على عدد قليل من التجارب الحاسوبية الحقيقية والمكلفة (التي تسمى DFT). لقد تعلم قواعد الفيزياء بشكل جيد جداً لدرجة أنه يمكنه جعل الهيكل "يستقر" (يهدأ) بشكل فوري تقريباً، مما يوفر حوالي 1,000,000 مرة من الوقت الذي ستستغرقه الحواسيب القياسية.
المستوى 2: "الكرة البلورية" (نموذج الاسترخاء المباشر)
حتى "المتذوق الذكي" سيكون بطيئاً جداً إذا كنت بحاجة إلى فحص مليارات الوصفات. لذا، بنى العلماء ذكاءً اصطناعياً ثانياً أسرع بكوة. هذا الأخير ينظر إلى العجينة الخام وغير المطبوخة ويتنبأ بالضبط بما كان سيقوله "المتذوق الذكي" بعد الخبز. إنه يتخطى خطوة الخبز تماماً. وفرت هذه الخطوة الثانية سرعة إضافية قدرها 1,000 مرة.

النتيجة: معاً، سمح هذان النوعان من الذكاء الاصطناعي للفريق بتذوق واختبار ملياري وصفة مختلفة في جزء بسيط من الوقت الذي كان سيستغرقه الأمر من قبل.

2. خريطة الاستقرار

باستخدام هذا النظام فائق السرعة، أنشأوا "خريطة استقرار" لنوعين من الكعكات:

الكعكات القائمة على الرصاص: (الأبطال الحاليون في الكفاءة).
الكعكات القائمة على القصدير: (البديل الصديق للبيئة وغير السام).

لقد نظروا في الخريطة ليروا أي الوصفات "مستقرة" (لن تتفكك) وأيها "غير مستقرة" (ستتفتت أو تنفصل).

3. الاكتشافات الكبرى

المواجهة بين الرصاص والقصدير: كشفت الخريطة أن الكعكات القائمة على الرصاص لديها منطقة آمنة واسعة حيث يمكنك خلط المكونات وتظل النتيجة مستقرة. ومع ذلك، فإن الكعكات القائمة على القصدير أكثر هشاشة بكثير. "منطقتهم الآمنة" ضيقة جداً. إذا حاولت خلطهم كثيراً، فإنهم يميلون إلى التفكك. وهذا يفسر لماذا يعد صنع خلايا شمسية غير سامة أمراً صعباً؛ فلديك خيارات قليلة جداً لتعديل الوصفة دون كسرها.
"المنتصف" غير مستقر: قد تعتقد أن خلط كل شيء في المنتصف (50% من هذا، و50% من ذاك) سيكون الأكثر استقراراً، مثل التوازن المثالي. أظهرت الخريطة العكس تماماً. الأماكن الأكثر استقراراً تكون عادة عند الأطراف (محتوى عالٍ من اليود)، بينما المنتصف هو "منطقة خطر" حيث تميل المادة إلى الانفصال إلى أجزاء مختلفة.
الحرارة تساعد (قليلاً): تحققوا من الخريطة في درجة حرارة الغرفة وعند درجات حرارة الخبز العالية (150 درجة مئوية). وبينما جعلت الحرارة المناطق المستقرة أكبر قليلاً، إلا أن المشكلة الجوهرية في الكعكات القائمة على القصدير (منطقتها الآمنة الضيقة) ظلت قائمة.

4. لماذا يهم هذا؟

لا تدعي هذه الورقة أنها اخترعت خلية شمسية جديدة اليوم. بدلاً من ذلك، فهي توفر خارطة طريق.

بالنسبة للعلماء الذين يحاولون صنع خلايا شمسية، هي تقول لهم: "لا تضيعوا الوقت في محاولة خلط كعكات القصدير في منتصف كتاب الوصفات، فلن تنجح. التزموا بالأطراف حيث تقول الخريطة إن الأمر آمن".
وهي تؤكد أنه بينما نريد استخدام القصدير لتجنب سمية الرصاص، فإن قوانين الفيزياء تجعل السبائك القائمة على القصدير أصعب بكثير في التثبيت من تلك القائمة على الرصاص.

باخت-القول: بنى العلماء ذكاءً اصطناعياً فائق السرعة رسم "المناطق الآمنة" لمكونات الخلايا الشمسية. ووجدوا أنه بينما تتميز الخلطات القائمة على الرصاص بالمرونة والاستقرار، فإن الخلطات الصديقة للبيئة القائمة على القصدير أكثر دقة وصعوبة في الحفاظ على تماسكها، مما يوجه الباحثين في المستقبل إلى أين يبحثون عن الاختراق القادم.

ملخص تقني: رسم خرائط الاستقرار الديناميكي الحراري لسبائك البيروفسكايت الهجينة باستخدام التعلم الآلي

بيان المشكلة
حققت خلايا البيروفسكايت الشمسية الهجينة (PSCs) كفاءات في تحويل الطاقة تضاهي السيليكون، إلا أن تسويقها تجارياً يعوقه مشاء استقرار التشغيل طويل الأمد ومخاوف سمية الرصاص. يوفر الهندسة التركيبية باستخدام السبائك الرباعية، وتحديداً $(Cs/FA)Pb(Br/I)_3$ و $(Cs/FA)Sn(Br/I)_3$ الخالي من الرصاص (حيث FA هو الفورماميدينيوم)، مساراً لضبط الخصائص وتحسين الاستقرار. ومع ذلك، فإن الفضاء التكويني الشاسع لهذه الأنظمة متعددة المكونات، مقترناً بتعقيد اتجاهات الكاتيونات العضوية الموجهة، قد أعاق النمذجة الديناميكية الحرارية الدقيقة. تعد نظرية الدالة الوظيفية للكثافة (DFT) التقليدية مكلفة حوسبياً لمسح التكوينات اللازمة لرسم خرائط مساحات الطاقة الحرة، بينما تفشل التقريبات الموجودة مثل "توسع العناقيد" (cluster expansions) في التقاط اتجاهات الكاتيونات الجزيئية، كما تفرض "البنى شبه العشوائية الخاصة" (SQS) انحيازات بسبب محدودية عينات التكوين.

المنهجية
يقدم المؤلفون سير عمل للنمذجة الذرية معزز بالتعلم الآلي (ML) مصمم لحساب مساحات الطاقة الحرة عبر كامل فضاء التركيب لهذه السبائك الرباعية. يعتمد النهج على استراتيجية تعلم آلي ثنائية المستويات للتغلب على الاختناقات الحوسبية:

إمكانات المادة المتقطعة MACE: قام المؤلفون بتدريب إمكانات MACE (الشبكات العصبية المارة بالرسائل المتساوية القياس من الرتب العليا) على بيانات DFT. استُخدمت هذه الإمكانات لإجراء عمليات استرخاء هيكلي فعالة، مما سرّع الحسابات بنحو ست مراتب عشرية مقارنة بـ DFT. تضمنت بيانات التدريب خلايا فائقة بحجم $2 \times 2 \times 2$ من أربع أطوار متميزة ( $Pm\bar{3}m$ , $P4/mbm$, $I4/mcm$, $Pnma$) مع توزيعات عشوائية للكاتيونات/الأنيونات واتجاهات جزيئية لـ FA.
نماذج الاسترخاء المباشر (KRR): لمزيد من تسريع عملية أخذ العينات المطلوبة لحسابات الطاقة الحرة، تم تدريب نماذج ثانوية من "انحدار كيرنل" (KRR) على البيانات المسترخية بواسطة MACE. تتنبأ هذه النماذج بالطاقات المسترخية مباشرة من الهياكل غير المسترخية، متجاوزة الحاجة إلى الاسترخاء الصريح أثناء أخذ العينات. وفرت هذه الخطوة تسريعاً إضافياً بمقدار ثلاث مراتب عشرية.
التعلم النشط: لضمان الدقة، لا سيما في منطقة الطاقة المنخفضة الحرجة لتحليل الاستقرار، تم استخدام مخطط تعلم نشط يتضمن محاكاة مونت كارلو (MC) تكرارية لتقليل الطاقة وتحديد وتصحيح تنبؤات تكوينات السبائك ذات الطاقة المنخفضة، مما قلل متوسط الأخطاء المطلقة (MAEs) بشكل كبير.
حساب الطاقة الحرة: استُخدمت خوارزمية "وانج-لانداو" (Wang-Landau) لأخذ عينات من كثافة الحالات وحساب طاقات "هلمهولتز" الحرة للخلط عند 300 كلفن (و150 درجة مئوية لظروف التصنيع). سمح ذلك ببناء أغلفة محدبة (convex hulls) وتحليل الانحناء لتقييم الاستقرار الديناميكي الحراري ضد انفصال الطور.

المساهمات الرئيسية

تطوير سير العمل: يضع البحث سير عمل صارماً متعدد المراحل مدعوماً بالتعلم الآلي قادراً على التعامل مع تعقيد البيروفسكايت الهجين الرباعي، بما في ذلك معالجة الكاتيونات العضوية الموجهة، والتي واجهت الطرق السابقة صعوبة في نمذجتها بفعالية.
التسريع: يحقق النهج المشترك تسريعاً إجمالياً بنحو تسع مراتب عشرية مقارنة بـ DFT التقليدي، مما مكن من تقييم أكثر من ملياري تكوين طاقة ضروري لرسم خرائط شاملة للطاقة الحرة.
التحليل المقارن: توفر الدراسة أول مقارنة شاملة للاستقرار الديناميكي الحراري بين سبائك $(Cs/FA)Pb(Br/I)_3$ القائمة على الرصاص و $(Cs/FA)Sn(Br/I)_3$ الخالية من الرصاص عبر أطوار متعددة.

النتائج

دقة النموذج: حققت إمكانات MACE متوسط أخطاء مطلقة (MAEs) قدره 2.81 ميلي إلكترون فولت/وحدة صيغة (meV/f.u.) و3.07 ميلي إلكترون فولت/وحدة صيغة للأنظمة القائمة على الرصاص والقصدير على التوالي، مقارنة بحسابات DFT للنقاط المفردة على الهياكل المسترخية. حققت نماذج الاسترخاء المباشر النهائية (بعد التعلم النشط) متوسط أخطاء مطلقة يبلغ حوالي 3.2 ميلي إلكترون فولت/وحدة صيغة في التكوينات ذات الطاقة الدنيا.
خرائط الاستقرار:
- النظام القائم على الرصاص (Pb): يظهر مناطق تركيب مستقرة أوسع. في الطور المكعب ( $Pm\bar{3}m$ )، توجد منطقة منخفضة الطاقة في مركز فضاء التركيب. تمتد المناطق المستقرة في الغلاف المحدب عبر استبدالات مختلفة في موقع A وحتى تركيز بروم بنسبة 60% اعتماداً على نسبة Cs/FA.
- النظام القائم على القصدير (Sn): يظهر مناطق تركيب مستقرة أضيق مقارنة بنظيره القائم على الرصاص. غاب بئر الطاقة المنخفضة المركزي الملاحظ في الطور المكعب للقصدير؛ حيث توجد أدنى الطاقات عند الحافة الخالية من السيزيوم. يشير الغلاف المحدب إلى خيارات أقل للهندسة التركيبية، حيث يقتصر الاستقرار بشكل كبير على المحتوى العالي لليود.
- تأثيرات درجة الحرارة: تتوسع مناطق الاستقرار عند درجات الحرارة المرتفعة (150 درجة مئوية)، وهو ما يتوافق مع الاستقرار الناتج عن الإنتروبيا، لكن التباين الجوهري بين أنظمة الرصاص والقصدير يظل قائماً.
الإنتروبيا والاستقرار: يكشف التحليل أن الاستقرار المدفوع بالإنتروبيا محدود. يحدث أقصى استقرار عند محتوى اليود العالي، ولا يُلاحظ أي استقرار كبير بالقرب من مركز فضاء التركيب حيث تكون إنتروبيا الخلط في ذروتها. يشير هذا إلى أن الخلط وحده لا يمكنه تثبيت التكوينات الرباعية المركزية ضد انفصال الطور.
التحقق التجريبي: تظهر نتائج النظام القائم على الرصاص توافقاً نوعياً مع البيانات التجريبية عالية الإنتاجية من دراسة Wang وآخرون، لا سيما فيما يتعلق باستقرار مناطق البروم والسييزيوم المنخفضة في الطور المكعب. تُعزى التناقضات في الطور المعيني (orthorhombic) إلى ظروف التصنيع غير المتوازنة وتحديات تحديد الطور المحتملة بين الهياكل البلورية المتشابهة.

الأهمية والادعاءات
يزعم البحث أن نتائجه توجه تصميم البيروفسكايت المستقرة من خلال رسم الحدود الديناميكية الحرارية الأساسية لهذه السبائك. ويخلص المؤلفون إلى أن الاستقرار الديناميكي الحراري المنخفض لبيروفسكايت الهجين القائم على القصدير ينبع من اختلافات جوهرية في مساحات الطاقة الحرة الخاصة بها مقارنة بالأنظمة القائمة على الرصاص، وتحديداً غياب مناطق الطاقة المنخفضة المركزية ونطاقات التركيب الأضيق. وبناءً على ذلك، تقترح الدراسة أن الجهود التجريبية المستقبلية لتحسين $(Cs/FA)Sn(Br/I)_3$ يجب أن تركز على التكوينات التي تم تحديدها بالفعل كتركيبات مواتية للنظام القائم على الرصاص، بدلاً من استكشاف منطقة التركيب المركزية حيث لا يكون الاستقرار مفضلاً ديناميكياً حرارياً. يسلط العمل الضوء على أنه بينما يمكن للتعلم الآلي تسريع الاكتشاف، فإن عدم الاستقرار الديناميكي الحراري المتأصل في بعض المناطق الرباعية لا يمكن التغلب عليه بمجرد إنتروبيا الخلط.

1. استراتيجية الذكاء الاصطناعي ذات الخطوتين

2. خريطة الاستقرار

3. الاكتشافات الكبرى

4. لماذا يهم هذا؟

أبحاث مشابهة