Charting the thermodynamic stability of hybrid perovskite alloys with machine learning

本研究は、グラフニューラルネットワークポテンシャルと直接エネルギー予測子を組み合わせた二段階機械学習戦略を採用して、(Cs/FA)Pb(Br/I)₃ および (Cs/FA)Sn(Br/I)₃ ペロブスカイト合金の熱力学的安定性をマッピングし、Sn ベースの系は Pb ベースの系よりも狭い安定組成領域を有し、最大安定性は高いヨウ素含有量で達成されることを明らかにした。

要約

あなたが完璧で最も安定したケーキを作ろうとする天才シェフだと想像してください。あなたは4つの主要な材料を持っています：セシウム（Cs）、ホルミジニウム（FA）、鉛（Pb）またはスズ（Sn）、そして臭素（Br）とヨウ素（I）の混合物です。これらを異なる量で混ぜ合わせることで、太陽光を電気に変換する「ハイブリッドペロブスカイト」というケーキを作ることができます。

問題は、可能なレシピが数十億種類もあることです。もし実際のキッチンで、あるいは標準的な方法を用いた実際のコンピュータで、一つひとつを焼いてテストしようとしたら、宇宙の年齢よりも長い時間がかかってしまいます。いくつかのレシピは味が素晴らしいですがすぐに崩れてしまいます（不安定）、一方で他のレシピは岩のように堅固ですが味が良くありません（効率が低い）。

この論文は、実際に数十億個のケーキを焼くことなく、どのレシピが最善かを突き止めるために、超賢いAIキッチンアシスタントを構築した科学者のチームについて述べています。

彼らがどのように行ったか、簡単な比喩を用いて説明します：

1. 二段階のAI戦略

科学者たちは、すべてのレシピをテストするのは遅すぎることに気づき、二段階のシステムを構築しました：

• レベル1：「賢い味見係」（MACEモデル）
  これは、生で調理されていない生地を見て、焼いた後にどのように落ち着き、どのような味になるかを正確に予測できる、高度に訓練されたシェフだと考えてください。このAIは、少数の実際の高価なコンピュータ実験（DFTと呼ばれる）で訓練されました。物理の法則を非常に良く学習したため、構造をほぼ瞬時に「緩和（落ち着かせる）」でき、標準的なコンピュータにかかる時間の約100万倍の時間を節約します。
• レベル2：「水晶玉」（直接緩和モデル）
  数十億のレシピをチェックする必要がある場合でさえ、「賢い味見係」は遅すぎます。そこで、科学者たちはさらに高速な2番目のAIを構築しました。これは生で調理されていない生地を見て、焼いた後に「賢い味見係」が何と言ったかを正確に予測します。焼く工程を完全にスキップします。この2段目のステップは、さらに1,000倍の速度向上をもたらしました。

結果： これら2つのAIを組み合わせることで、チームは以前にかかっていた時間のほんの一部で、20億種類もの異なるレシピの味見テストを行うことができました。

2. 安定性の地図

この超高速システムを用いて、彼らは2種類のケーキのための「安定性の地図」を作成しました：

1. 鉛ベースのケーキ： （現在の効率のチャンピオン）。
2. スズベースのケーキ： （環境に優しく、無毒な代替品）。

彼らは地図を見て、どのレシピが「安定している」（崩れない）か、どのレシピが「不安定である」（崩れたり分離したりする）かを確認しました。

3. 大きな発見

• 鉛対スズの決闘： この地図は、鉛ベースのケーキには、材料を混ぜても安定した結果が得られる広い安全域があることを明らかにしました。しかし、スズベースのケーキははるかに壊れやすいです。彼らの「安全域」は非常に狭いです。混ぜすぎようとすると、崩れやすくなります。これが、なぜ無毒な太陽電池を作るのがそれほど難しいのかを説明しています。レシピを壊すことなく微調整できる選択肢が非常に少ないからです。
• 「中間」は不安定： すべてを中間で混ぜる（50%のこれ、50%のあれ）ことが、完璧なバランスのように最も安定していると思うかもしれません。しかし、地図は逆を示しました。最も安定した場所は通常端（ヨウ素含有量が高い部分）にあり、地図の中心は材料が異なる部分に分離しようとする「危険地帯」です。
• 熱は（少し）役立ちます： 彼らは室温と高温の焼成温度（150°C）で地図を確認しました。熱は安定域をわずかに大きくしましたが、スズベースのケーキの根本的な問題（狭い安全域）は残りました。

4. なぜこれが重要なのか

この論文は、今日新しい太陽電池を発明したと主張しているわけではありません。代わりに、それはロードマップを提供しています。

• 太陽電池を作ろうとする科学者に対しては、「レシピブックの真ん中でスズベースのケーキを混ぜることに時間を無駄にするな。それらは機能しない。地図が安全だと示している端に留まろう」と言っています。
• 有毒な鉛を避けるためにスズを使いたいと私たちは考えていますが、物理の法則は、鉛ベースの合金よりもスズベースの合金を安定させることをはるかに困難にしていることを確認しています。

要約すると： 科学者たちは、太陽電池の材料の「安全域」をマッピングする超高速AIを構築しました。彼らは、鉛ベースの混合物は柔軟で安定している一方で、環境に優しいスズベースの混合物ははるかに気まぐれで、まとまりを維持するのが難しいことを発見しました。これは、次のブレークスルーを見つけるべき場所について、将来の研究者を導くものです。

技術概要

技術サマリー：機械学習によるハイブリッドペロブスカイト合金の熱力学的安定性のマッピング

問題提起
ハイブリッドペロブスカイト太陽電池（PSC）は、シリコンに匹敵する光電変換効率を達成しているが、その商業化は長期的な動作安定性の問題と鉛の毒性に関する懸念によって妨げられている。四元合金、特に$(Cs/FA)Pb(Br/I)_3$および鉛フリーの$(Cs/FA)Sn(Br/I)_3$（ここで FA はホルムアミジニウム）を用いた組成工学は、物性を調整し安定性を向上させる道筋を提供する。しかし、これらの多成分系の広大な配位空間と、配向可能な有機カチオンの複雑さが、正確な熱力学的モデリングを阻害してきた。従来の密度汎関数理論（DFT）は、自由エネルギー地形をマッピングするために必要な配位をサンプリングするには計算コストが過大であり、クラスター展開のような既存の近似手法は分子性カチオンの配向を捉えきれず、特殊擬無秩序構造（SQS）は限られた配位サンプリングに起因するバイアスを導入する。

手法
著者らは、これらの四元合金の全組成空間にわたる自由エネルギー地形を計算するために設計された、機械学習（ML）を加速した原子論的モデリングワークフローを提示する。このアプローチは、計算上のボトルネックを克服するために二段階の ML 戦略を採用している：

1. MACE 原子間ポテンシャル：著者らは、DFT データに基づいて MACE（高次共変メッセージパッシングニューラルネットワーク）ポテンシャルを訓練した。これらのポテンシャルを用いて効率的な構造緩和を行い、DFT に比べて約 6 桁の計算加速を実現した。訓練データには、4 つの異なる相（$Pm\bar{3}m$、$P4/mbm$、$I4/mcm$、および$Pnma$）からの$2 \times 2 \times 2$超格子が含まれており、カチオン/アニオンの分布および FA 分子の配向がランダム化されていた。
2. 直接緩和モデル（KRR）：自由エネルギー計算に必要なサンプリングをさらに加速するため、MACE 緩和データに基づいて二次のカーネルリッジ回帰（KRR）モデルが訓練された。これらのモデルは、緩和されていない原子構造から直接緩和エネルギーを予測し、サンプリング中の明示的な緩和の必要性を回避する。このステップにより、さらに 3 桁の高速化が達成された。
3. アクティブラーニング：安定性解析に不可欠な低エネルギー領域における精度を確保するため、アクティブラーニング手法が採用された。これには、低エネルギー合金配位を特定し予測を修正するための反復的なエネルギー最小化モンテカルロ（MC）シミュレーションが含まれ、平均絶対誤差（MAE）を大幅に低減した。
4. 自由エネルギー計算：状態密度をサンプリングし、300 K（および合成条件である 150 °C）における混合のヘルムホルツ自由エネルギーを計算するために、Wang-Landau アルゴリズムが利用された。これにより、相分離に対する熱力学的安定性を評価するための凸包の構築と曲率解析が可能となった。

主要な貢献

• ワークフローの確立：本論文は、以前の手法が効果的にモデル化することに苦労していた配向可能な有機カチオンの処理を含む、四元ハイブリッドペロブスカイトの複雑さを処理できる厳密な多段階 ML ワークフローを確立した。
• 高速化：この統合アプローチは、従来の DFT に比べて約 9 桁の総高速化を達成し、包括的な自由エネルギーマッピングに必要な 20 億を超えるエネルギー配位の評価を可能にした。
• 比較分析：本研究は、鉛ベースの$(Cs/FA)Pb(Br/I)_3$と鉛フリーの$(Cs/FA)Sn(Br/I)_3$四元合金の間で、複数の相にわたる最初の包括的な熱力学的安定性比較を提供する。

結果

• モデル精度：MACE ポテンシャルは、緩和構造に対する単一ポイント DFT 計算と比較して、鉛ベースおよびスズベースのシステムでそれぞれ 2.81 meV/f.u.および 3.07 meV/f.u.の MAE を達成した。アクティブラーニング後の最終的な直接緩和モデルは、最小エネルギー配位において約 3.2 meV/f.u.の MAE を達成した。
• 安定性地形：
  • 鉛ベースシステム：より広範な安定組成領域を示す。立方晶（$Pm\bar{3}m$）相において、組成空間の中心に低エネルギー領域が存在する。凸包上の安定領域は、Cs/FA 比に応じて、さまざまな A サイト置換および最大 60% の Br 濃度にわたって広がる。
  • スズベースシステム：鉛の対照物と比較して、より狭い安定組成領域を示す。鉛ベースの立方晶相で観察された中心の低エネルギー井戸は欠如しており、最低エネルギーは Cs 不在のエッジで見られる。凸包は、組成工学の選択肢が少ないことを示しており、安定性は主に高ヨウ素含有量に限定される。
  • 温度効果：安定性領域は高温（150 °C）で拡大し、エントロピー安定化と一致するが、鉛とスズのシステム間の根本的な差異は残存する。
• エントロピーと安定性：分析により、エントロピー駆動型の安定化は限定的であることが明らかになった。最大安定性は高ヨウ素含有量で発生し、混合エントロピーが最も高い組成空間の中心付近では、顕著な安定化は観察されない。これは、混合のみでは相分離に対する中央の四元組成を安定化できないことを示唆している。
• 実験的検証：鉛ベースシステムの結果は、Wang らの高スループット実験データと定性的に一致しており、特に立方晶相における低 Br・低 Cs 領域の安定性に関して一致している。直方晶相における不一致は、非平衡合成条件および類似の結晶構造間の相同定に関する課題に起因すると考えられる。

意義と主張
本論文は、これらの合金の根本的な熱力学的限界をマッピングすることで、安定なペロブスカイトの設計を導くと主張している。著者らは、スズベースのハイブリッドペロブスカイトの熱力学的安定性の低下は、鉛ベースの対照物との自由エネルギー地形の根本的な差異、具体的には中央の低エネルギー領域の欠如と狭い安定組成範囲に起因すると結論づけている。したがって、本研究は、$(Cs/FA)Sn(Br/I)_3$を最適化するための将来の実験的努力は、熱力学的に安定ではない組成空間の中心を探求するのではなく、鉛ベースのシステムですでに有利と特定された組成に焦点を当てるべきであると示唆している。この研究は、ML が発見を加速し得る一方で、特定の四元領域の内在的な熱力学的不安定性は混合エントロピーのみでは克服できないことを浮き彫りにしている。