Preconditioning for a Cahn-Hilliard-Navier-Stokes model for morphology formation in organic solar cells

Resumen Técnico: Precondicionamiento para un Modelo de Cahn-Hilliard-Navier-Stokes para la Formación de Morfología en Células Solares Orgánicas

1. Planteamiento del Problema

La fabricación de fotovoltaicas orgánicas (OPV) depende del secado de una mezcla basada en disolvente que contiene un polímero (donante de electrones), un aceptor no fulereno (NFA) y un disolvente. El rendimiento del dispositivo resultante depende críticamente de la morfología de la película delgada, la cual se forma a través de una interacción compleja entre la separación de fases espontánea y la evaporación del disolvente. Optimizar experimentalmente las condiciones de producción para lograr una morfología deseada es una tarea que consume mucho tiempo y suele ser inviable debido a la sensibilidad del proceso a las propiedades de los materiales y a los parámetros de procesamiento.

El desafío matemático radica en modelar esta evolución de la morfología. El sistema involucra:

• Dinámica de fluidos macroscópica: El movimiento de la mezcla fluida.
• Separación de fases microscópica: La separación de los componentes donante, aceptor y disolvente.
• Evaporación: La transición del disolvente de fase líquida a gaseosa y su difusión hacia el aire circundante.

Estos procesos físicos están acoplados, lo que da lugar a un sistema de ecuaciones diferenciales parciales (PDE) que, al ser discretizadas, resultan en sistemas lineales y no lineales de gran escala y mal condicionados. Resolver estos sistemas de manera eficiente, particularmente con respecto a los cambios en los parámetros de discretización (tamaño de malla, paso de tiempo), es el principal obstáculo numérico abordado en este trabajo.

2. Metodología

Modelado Matemático
Los autores proponen un modelo continuo que acopla tres componentes principales:

1. Ecuaciones de Navier-Stokes: Describen la velocidad macroscópica ($v$) y la presión ($p$) de la mezcla fluida.
2. Ecuaciones de Cahn-Hilliard: Describen la evolución de las fracciones volumétricas ($\phi_i$) del polímero, el NFA, el disolvente y el aire, impulsadas por potenciales químicos ($\mu_i$) derivados de un funcional de energía libre.
3. Ecuación de Allen-Cahn: Describe la evolución de un parámetro de orden de vapor ($\Phi_v$) para modelar el cambio de fase del disolvente de líquido a gas. Esta ecuación no conserva la masa, lo que refleja la pérdida de disolvente hacia el entorno.

El modelo incorpora un funcional de energía libre basado en la teoría de Flory-Huggins, interpolando entre las fases líquida y gaseosa mediante una función suave del parámetro de orden de vapor. Las condiciones de contorno incluyen la condición de no deslizamiento para la velocidad y condiciones de flujo específicas en el límite superior para modelar la salida del disolvente y la entrada de aire.

Discretización

• Espacial: Las ecuaciones se discretizan utilizando el Método de Elementos Finitos (FEM). Los autores emplean una formulación dividida para manejar los requisitos de continuidad de las funciones base. Se utilizan elementos Taylor-Hood para las ecuaciones de Navier-Stokes (velocidad de grado $\ell+1$, presión de grado $\ell$), mientras que se utilizan elementos de Lagrange continuos para los campos de fase y los potenciales químicos.
• Temporal: Se utiliza un esquema de paso de tiempo semi-implícito. Los términos lineales se tratan de forma implícita, mientras que los términos no lineales que surgen del potencial de energía libre se tratan de forma explícita.

Estrategia de Precondicionamiento
La contribución central del artículo es el desarrollo de un resolvedor iterativo precondicionado robusto para los sistemas de punto de silla resultantes.

• Precondicionamiento de Bloques: Los autores construyen precondicionadores de bloque diagonal que aprovechan la estructura de punto de silla de las ecuaciones discretizadas.
• Aproximación del Complemento de Schur: Para los bloques de Cahn-Hilliard y Navier-Stokes, el precondicionador aproxima el complemento de Schur.
  • Para Cahn-Hilliard, el complemento de Schur se aproxima mediante un producto de matrices (enfoque de coincidencia o matching approach) para evitar la inversión directa de una suma de matrices grandes.
  • Para Navier-Stokes, se utiliza un precondicionador de presión-convección-difusión (PCD), basado en el conmutador de los operadores.
• Resolvedores Lineales: Los bloques diagonales y las aproximaciones del complemento de Schur se invierten utilizando métodos de Multigrid Algebraico (AMG) (específicamente Ruge-Stüben y Agregación Suavizada). El sistema global se resuelve utilizando el método de Gradiente de Mínimos Generalizado (GMRES).

3. Contribuciones Clave

• Formulación de Modelo Novedosa: El artículo presenta un modelo acoplado que vincula la dinámica de fluidos, la separación de fases y la evaporación del disolvente específicamente para el contexto de la formación de la morfología de células solares orgánicas, extendiendo los modelos previos de Cahn-Hilliard-Navier-Stokes para incluir efectos de evaporación mediante una ecuación de Allen-Cahn.
• Precondicionamiento Robusto: Los autores diseñan e implementan una técnica de precondicionamiento que asegura que el número de iteraciones de GMRES permanezca pequeño e independiente del tamaño de la malla ($h$) y del paso de tiempo ($\tau$). Este comportamiento de "robustez de parámetros" es crítico para la escalabilidad del resolvedor en simulaciones 3D de gran escala.
• Mejoras en la Estabilidad Numérica: Para abordar las inestabilidades numéricas derivadas del funcional de energía libre logarítmica, los autores proponen una aproximación polinómica (inspirada en potenciales de doble pozo) que mantiene las características físicas deseadas (mínimos de separación de fases) mientras mejora la estabilidad numérica.

4. Resultados Numéricos

Los autores validan el modelo y el resolvedor mediante extensos experimentos numéricos en dominios 1D, 2D y 3D:

• Rendimiento del Resolvedor: En todos los escenarios probados (variando los tamaños de malla desde $50^2$ hasta $400^2$ en 2D, y desde $10^3$ hasta $50^3$ en 3D, y variando los pasos de tiempo), el recuento de iteraciones de GMRES se mantuvo bajo y estable. El tiempo de ejecución escaló linealmente con los grados de libertad, confirmando la eficiencia del precondicionador.
• Comportamiento Físico:
  • Evaporación: Las simulaciones de evaporación de disolvente puro mostraron la reducción esperada de disolvente y la formación de una capa de vapor.
  • Separación de Fases: En el modelo completo (polímero, NFA, disolvente), las simulaciones capturaron con éxito la separación de fases de las capas activas. El uso de la aproximación de energía libre polinómica permitió simulaciones estables de morfologías complejas en 3D, las cuales eran propensas a inestabilidades numéricas con el potencial logarítmico.
• Morfología 3D: El artículo demuestra con éxito la formación de morfologías 3D, mostrando la evolución de los dominios de polímero y NFA durante el proceso de secado.

5. Significado y Reivindicaciones

El artículo sostiene que el modelado preciso de la formación de la morfología es una herramienta indispensable para optimizar la producción de OPV, ya que el ensayo y error experimental es impracticable. La importancia de este trabajo radica en:

1. Habilitación de Simulaciones 3D: Al proporcionar un esquema de precondicionamiento robusto, los autores permiten la simulación del proceso de formación de la morfología en tres dimensiones, lo cual es un paso necesario hacia el modelado realista de dispositivos.
2. Robustez de Parámetros: El resolvedor propuesto es robusto con respecto a los parámetros de discretización, lo que lo hace adecuado para el refinamiento de malla adaptativo y estrategias de paso de tiempo variables requeridas para simulaciones físicas complejas.
3. Captura Cualitativa: El modelo captura cualitativamente el comportamiento de la morfología de la película durante el secado, incluyendo la interacción entre la separación de fases y la evaporación.

Los autores concluyen que, si bien el modelo captura la física esencial, la capacidad de realizar estas simulaciones en 3D proporciona una poderosa herramienta para investigar condiciones de producción optimizadas, potencialmente mejorando el rendimiento de las OPV. No pretenden haber resuelto el problema inverso de encontrar las condiciones óptimas, sino que proporcionan el marco numérico necesario para estudiar el problema directo de la evolución de la morfología.