Charting the thermodynamic stability of hybrid perovskite alloys with machine learning

Cette étude utilise une stratégie d'apprentissage automatique à deux niveaux combinant des potentiels de réseaux de neurones graphiques et des prédicteurs d'énergie directe pour cartographier la stabilité thermodynamique des alliages de pérovskite (Cs/FA)Pb(Br/I)₃ et (Cs/FA)Sn(Br/I)₃, révélant que les systèmes à base d'étain présentent des régions de composition stables plus étroites que ceux à base de plomb et que la stabilité maximale se produit à forte teneur en iode.

L'essentiel

Imaginez que vous êtes un chef étoilé tentant de créer le gâteau parfait, le plus stable qui soit. Vous disposez de quatre ingrédients principaux : le Césium (Cs), le Formamidinium (FA), le Plomb (Pb) ou l'Étain (Sn), et un mélange de Brome (Br) et d'Iode (I). En mélangeant ces ingrédients en différentes proportions, vous pouvez créer un gâteau « pérovskite hybride » capable de transformer la lumière du soleil en électricité.

Le problème est qu'il existe des milliards de recettes possibles. Si vous tentiez de cuire et de tester chacune d'elles dans une vraie cuisine (ou avec de vrais ordinateurs utilisant des méthodes standard), cela prendrait plus de temps que l'âge de l'univers. Certaines recettes ont un goût excellent mais s'effondrent rapidement (instables), tandis que d'autres sont solides comme le roc mais n'ont pas bon goût (faible efficacité).

Cet article traite d'une équipe de scientifiques qui a construit un assistant de cuisine IA surdoué pour déterminer quelles recettes sont les meilleures sans réellement cuire des milliards de gâteaux.

Voici comment ils ont procédé, en utilisant des analogies simples :

1. La Stratégie IA en Deux Étapes

Les scientifiques ont réalisé que tester chaque recette était trop lent, alors ils ont construit un système à deux niveaux :

• Niveau 1 : Le « Dégustateur Intelligent » (Modèle MACE)
  Imaginez cela comme un chef hautement formé capable de regarder une pâte brute, non cuite, et de prédire exactement comment elle va se déposer et quel goût elle aura une fois cuite. Cette IA a été entraînée sur un petit nombre d'expériences informatiques réelles et coûteuses (appelées DFT). Elle a appris les lois de la physique si bien qu'elle peut « relaxer » (faire se déposer) une structure presque instantanément, économisant environ 1 000 000 fois le temps qu'il faudrait à un ordinateur standard.
• Niveau 2 : La « Boule de Cristal » (Modèle de Relaxation Directe)
  Même le « Dégustateur Intelligent » est trop lent si vous devez vérifier des milliards de recettes. Les scientifiques ont donc construit une deuxième IA, encore plus rapide. Celle-ci regarde la pâte brute, non cuite et prédit exactement ce que le « Dégustateur Intelligent » aurait dit après la cuisson. Elle saute entièrement l'étape de la cuisson. Cette deuxième étape a économisé encore 1 000 fois en vitesse.

Le Résultat : Ensemble, ces deux IA ont permis à l'équipe de tester le goût de 2 milliards de recettes différentes en une fraction du temps qu'il aurait fallu auparavant.

2. La Carte de Stabilité

En utilisant ce système ultra-rapide, ils ont créé une « carte de stabilité » pour deux types de gâteaux :

1. Gâteaux à base de Plomb : (Les champions actuels de l'efficacité).
2. Gâteaux à base d'Étain : (L'alternative écologique et non toxique).

Ils ont examiné la carte pour voir quelles recettes étaient « stables » (ne s'effondreront pas) et lesquelles étaient « instables » (s'effriteront ou se sépareront).

3. Les Grandes Découvertes

• Le Duel Plomb contre Étain : La carte a révélé que les gâteaux à base de Plomb possèdent une large zone sûre où vous pouvez mélanger les ingrédients et obtenir tout de même un résultat stable. Cependant, les gâteaux à base d'Étain sont beaucoup plus fragiles. Leur « zone sûre » est très étroite. Si vous essayez de les mélanger trop, ils ont tendance à s'effondrer. Cela explique pourquoi la fabrication de cellules solaires non toxiques est si difficile ; vous avez très peu d'options pour ajuster la recette sans la briser.
• Le « Milieu » est Instable : Vous pourriez penser que mélanger tout au milieu (50 % de ceci, 50 % de cela) serait le plus stable, comme un équilibre parfait. La carte a montré le contraire. Les endroits les plus stables se trouvent généralement aux bords (forte teneur en Iode), tandis que le centre de la carte est une « zone de danger » où le matériau veut se séparer en différentes parties.
• La Chaleur Aide (Un Peu) : Ils ont vérifié la carte à température ambiante et à des températures de cuisson élevées (150 °C). Bien que la chaleur ait légèrement élargi les zones stables, le problème fondamental des gâteaux à base d'Étain (leur zone sûre étroite) est resté.

4. Pourquoi Cela Compte

L'article ne prétend pas avoir inventé une nouvelle cellule solaire aujourd'hui. Il fournit plutôt une feuille de route.

• Pour les scientifiques tentant de fabriquer des cellules solaires, il dit : « Ne perdez pas votre temps à essayer de mélanger des gâteaux à base d'Étain au milieu du livre de recettes ; ils ne fonctionneront pas. Restez sur les bords là où la carte indique que c'est sûr. »
• Il confirme que, bien que nous voulions utiliser de l'Étain pour éviter le Plomb toxique, les lois de la physique rendent les alliages à base d'Étain beaucoup plus difficiles à stabiliser que ceux à base de Plomb.

En résumé : Les scientifiques ont construit une IA ultra-rapide qui a cartographié les « zones sûres » pour les ingrédients des cellules solaires. Ils ont découvert que, tandis que les mélanges à base de Plomb sont flexibles et stables, les mélanges écologiques à base d'Étain sont beaucoup plus exigeants et difficiles à maintenir ensemble, guidant ainsi les futurs chercheurs vers l'endroit où chercher la prochaine percée.

Résumé technique

Résumé technique : Cartographie de la stabilité thermodynamique des alliages de pérovskites hybrides par apprentissage automatique

Énoncé du problème
Les cellules solaires à pérovskites hybrides (PSC) ont atteint des rendements de conversion de puissance rivalisant avec le silicium, mais leur commercialisation est entravée par des problèmes de stabilité opérationnelle à long terme et des préoccupations liées à la toxicité du plomb. L'ingénierie compositionnelle utilisant des alliages quaternaires, spécifiquement $(Cs/FA)Pb(Br/I)_3$ et l'alternative sans plomb $(Cs/FA)Sn(Br/I)_3$ (où FA est le formamidinium), offre une voie pour ajuster les propriétés et améliorer la stabilité. Cependant, l'immense espace de configuration de ces systèmes multicomposants, combiné à la complexité des cations organiques orientables, a entravé la modélisation thermodynamique précise. La théorie de la fonctionnelle de la densité (DFT) traditionnelle est prohibitivement coûteuse en calcul pour échantillonner les configurations nécessaires à la cartographie des paysages d'énergie libre, tandis que les approximations existantes comme les développements en amas (cluster expansions) échouent à capturer les orientations des cations moléculaires, et que les structures quasi-aléatoires spéciales (SQS) introduisent des biais dus à un échantillonnage de configurations limité.

Méthodologie
Les auteurs présentent un flux de travail de modélisation atomistique accéléré par l'apprentissage automatique (ML), conçu pour calculer les paysages d'énergie libre sur l'ensemble de l'espace compositionnel de ces alliages quaternaires. L'approche emploie une stratégie de ML à deux niveaux pour surmonter les goulots d'étranglement computationnels :

1. Potentiels interatomiques MACE : Les auteurs ont entraîné des potentiels MACE (Réseaux de neurones à passage de messages équivariants d'ordre supérieur) sur des données DFT. Ces potentiels ont été utilisés pour effectuer des relaxations de structures efficaces, accélérant les calculs d'environ six ordres de grandeur par rapport à la DFT. Les données d'entraînement comprenaient des supercellules $2 \times 2 \times 2$ issues de quatre phases distinctes ($Pm\bar{3}m$, $P4/mbm$, $I4/mcm$ et $Pnma$) avec des distributions aléatoires de cations/anions et des orientations moléculaires du FA.
2. Modèles de relaxation directe (KRR) : Pour accélérer davantage l'échantillonnage requis pour les calculs d'énergie libre, des modèles secondaires de régression par noyau ridge (KRR) ont été entraînés sur les données relaxées par MACE. Ces modèles prédisent directement les énergies relaxées à partir de structures atomiques non relaxées, évitant ainsi le besoin d'une relaxation explicite lors de l'échantillonnage. Cette étape a fourni un gain de vitesse supplémentaire de trois ordres de grandeur.
3. Apprentissage actif : Pour garantir la précision, en particulier dans le régime de basse énergie critique pour l'analyse de stabilité, un schéma d'apprentissage actif a été employé. Cela impliquait des simulations de Monte Carlo (MC) itératives de minimisation d'énergie pour identifier et corriger les prédictions pour les configurations d'alliages de basse énergie, réduisant considérablement les erreurs absolues moyennes (MAE).
4. Calcul de l'énergie libre : L'algorithme de Wang-Landau a été utilisé pour échantillonner la densité d'états et calculer les énergies libres de Helmholtz de mélange à 300 K (et 150 °C pour les conditions de synthèse). Cela a permis la construction de surfaces convexes et d'analyses de courbure pour évaluer la stabilité thermodynamique contre la séparation de phase.

Contributions clés

• Développement du flux de travail : L'article établit un flux de travail rigide multi-étapes par ML capable de gérer la complexité des pérovskites hybrides quaternaires, y compris le traitement des cations organiques orientables, que les méthodes précédentes peinaient à modéliser efficacement.
• Gain de vitesse : L'approche combinée atteint un gain de vitesse total d'environ neuf ordres de grandeur par rapport à la DFT traditionnelle, permettant l'évaluation de plus de deux milliards de configurations d'énergie nécessaires à une cartographie complète de l'énergie libre.
• Analyse comparative : L'étude fournit la première comparaison complète de la stabilité thermodynamique entre les alliages quaternaires à base de plomb $(Cs/FA)Pb(Br/I)_3$ et sans plomb $(Cs/FA)Sn(Br/I)_3$ sur plusieurs phases.

Résultats

• Précision du modèle : Les potentiels MACE ont atteint des MAE de 2,81 meV/f.u. et 3,07 meV/f.u. pour les systèmes à base de Pb et de Sn, respectivement, par rapport aux calculs DFT ponctuels sur des structures relaxées. Les modèles de relaxation directe finaux (après apprentissage actif) ont atteint des MAE d'environ 3,2 meV/f.u. sur les configurations d'énergie minimale.
• Paysages de stabilité :
  • Système à base de Pb : Présente des régions de composition stables plus larges. Dans la phase cubique ($Pm\bar{3}m$), une région de basse énergie existe au centre de l'espace de composition. Les régions stables sur la surface convexe s'étendent sur diverses substitutions du site A et jusqu'à 60 % de concentration en Br selon le rapport Cs/FA.
  • Système à base de Sn : Montre des régions de composition stables plus étroites par rapport à son équivalent Pb. Le puits d'énergie central observé dans la phase cubique à base de Pb est absent ; les énergies les plus basses se trouvent au bord sans Cs. La surface convexe indique moins d'options pour l'ingénierie compositionnelle, la stabilité étant largement confinée à une forte teneur en Iode.
  • Effets de température : Les régions de stabilité s'étendent à des températures élevées (150 °C), cohérent avec une stabilisation entropique, mais la disparité fondamentale entre les systèmes Pb et Sn persiste.
• Entropie et stabilité : L'analyse révèle que la stabilisation pilotée par l'entropie est limitée. La stabilité maximale se produit à une forte teneur en Iode, et aucune stabilisation significative n'est observée près du centre de l'espace de composition où l'entropie de mélange est la plus élevée. Cela suggère que le mélange seul ne peut pas stabiliser les compositions quaternaires centrales contre la séparation de phase.
• Validation expérimentale : Les résultats pour le système à base de Pb montrent un accord qualitatif avec les données expérimentales à haut débit de Wang et al., en particulier concernant la stabilité des régions à faible Br et faible Cs dans la phase cubique. Les écarts dans la phase orthorhombique sont attribués à des conditions de synthèse hors équilibre et à des défis potentiels d'identification de phase entre structures cristallines similaires.

Signification et affirmations
L'article affirme que ses résultats guident la conception de pérovskites stables en cartographiant les limites thermodynamiques fondamentales de ces alliages. Les auteurs concluent que la stabilité thermodynamique réduite des pérovskites hybrides à base d'étain découle de différences fondamentales dans leurs paysages d'énergie libre par rapport aux équivalents à base de plomb, spécifiquement l'absence de régions centrales de basse énergie et de plages de composition stables plus étroites. Par conséquent, l'étude suggère que les efforts expérimentaux futurs pour optimiser $(Cs/FA)Sn(Br/I)_3$ devraient se concentrer sur les compositions déjà identifiées comme favorables pour le système à base de Pb, plutôt que d'explorer l'espace de composition central où la stabilité n'est pas favorisée thermodynamiquement. Le travail met en évidence que, bien que le ML puisse accélérer la découverte, l'instabilité thermodynamique intrinsèque de certaines régions quaternaires ne peut être surmontée par la seule entropie de mélange.