Charting the thermodynamic stability of hybrid perovskite alloys with machine learning

Deze studie hanteert een tweeledige machinelearningstrategie die grafische neurale netwerkpotentiaal en directe energiepredictoren combineert om de thermodynamische stabiliteit van (Cs/FA)Pb(Br/I)₃- en (Cs/FA)Sn(Br/I)₃-perovskietlegeringen in kaart te brengen, waaruit blijkt dat Sn-gebaseerde systemen smaller stabiele samenstellingsgebieden hebben dan Pb-gebaseerde systemen en dat de maximale stabiliteit optreedt bij een hoog jodgehalte.

De kern

Stel je voor dat je een meesterkok bent die probeert de perfecte, meest stabiele taart te maken. Je hebt vier hoofdingrediënten: Cesium (Cs), Formamidinium (FA), Lood (Pb) of Tin (Sn), en een mengsel van Bromine (Br) en Jodium (I). Door deze in verschillende hoeveelheden te mengen, kun je een "hybride perovskiet"-taart maken die zonlicht omzet in elektriciteit.

Het probleem is dat er miljarden mogelijke recepten zijn. Als je elk daarvan in een echte keuken zou proberen te bakken en te testen (of met echte computers met standaardmethoden), zou het langer duren dan de leeftijd van het heelal. Sommige recepten smaken geweldig maar vallen snel uit elkaar (onstabiel), terwijl anderen rotsvast zijn maar niet lekker smaken (lage efficiëntie).

Dit artikel gaat over een team van wetenschappers dat een super-slome AI-keukenassistent bouwde om uit te zoeken welke recepten het beste zijn zonder daadwerkelijk miljarden taarten te bakken.

Hier is hoe ze dat deden, met behulp van eenvoudige analogieën:

1. De Tweestaps-AI-strategie

De wetenschappers beseften dat het testen van elk recept te langzaam was, dus bouwden ze een tweeledig systeem:

• Niveau 1: De "Slimme Proever" (MACE-model)
  Denk hierbij aan een hoogopgeleide kok die naar een rauw, ongebakken beslag kan kijken en precies kan voorspellen hoe het zich zal zetten en zal smaken na het bakken. Deze AI is getraind op een klein aantal echte, dure computerexperimenten (zogenaamde DFT). Het heeft de regels van de natuurkunde zo goed geleerd dat het een structuur bijna direct kan "ontspannen" (zetten), wat ongeveer 1.000.000 keer de tijd bespaart die een standaardcomputer nodig zou hebben.
• Niveau 2: De "Kristallen Bol" (Directe Ontspanningsmodel)
  Zelfs de "Slimme Proever" is te traag als je miljarden recepten moet controleren. Dus bouwden de wetenschappers een tweede, nog snellere AI. Deze kijkt naar het rauwe, ongebakken beslag en voorspelt precies wat de "Slimme Proever" zou hebben gezegd na het bakken. Het slaat de bakstap volledig over. Deze tweede stap bespaarde nog eens 1.000 keer aan snelheid.

Het resultaat: Samen stelden deze twee AI's het team in staat om 2 miljard verschillende recepten te proeven in een fractie van de tijd die daarvoor nodig zou zijn geweest.

2. De Stabiliteitskaart

Met behulp van dit supersnelle systeem maakten ze een "stabiliteitskaart" voor twee soorten taarten:

1. Lood-gebaseerde taarten: (De huidige kampioenen qua efficiëntie).
2. Tin-gebaseerde taarten: (Het milieuvriendelijke, niet-toxische alternatief).

Ze keken naar de kaart om te zien welke recepten "stabiel" waren (niet uit elkaar vallen) en welke "onstabiel" waren (zullen verkruimelen of scheiden).

3. De Grote Ontdekkingen

• De Lood versus Tin-showdown: De kaart onthulde dat de lood-gebaseerde taarten een brede, veilige zone hebben waar je ingrediënten kunt mengen en toch een stabiel resultaat krijgt. De tin-gebaseerde taarten zijn echter veel fragieler. Hun "veilige zone" is zeer smal. Als je ze te veel probeert te mengen, vallen ze vaak uit elkaar. Dit verklaart waarom het maken van niet-toxische zonnecellen zo moeilijk is; je hebt zeer weinig opties om het recept aan te passen zonder het te breken.
• Het "Midden" is onstabiel: Je zou denken dat alles in het midden mengen (50% dit, 50% dat) het meest stabiel zou zijn, als een perfecte balans. De kaart toonde het tegenovergestelde. De meest stabiele plekken bevinden zich meestal aan de randen (hoog jodiumgehalte), terwijl het midden van de kaart een "gevaarszone" is waar het materiaal wil scheiden in verschillende delen.
• Hitte helpt (een beetje): Ze controleerden de kaart bij kamertemperatuur en bij hoge baktemperaturen (150°C). Hoewel hitte de stabiele zones iets groter maakte, bleef het fundamentele probleem met tin-gebaseerde taarten (hun smalle veilige zone) bestaan.

4. Waarom dit belangrijk is

Het artikel beweert niet dat het vandaag een nieuwe zonnecel heeft uitgevonden. In plaats daarvan biedt het een blauwdruk.

• Voor wetenschappers die proberen zonnecellen te maken, zegt het: "Verspil geen tijd aan het proberen om tin-gebaseerde taarten in het midden van het receptenboek te mengen; ze werken niet. Blijf aan de randen waar de kaart aangeeft dat het veilig is."
• Het bevestigt dat hoewel we wil om Tin te gebruiken om giftig Lood te vermijden, de wetten van de natuurkunde tin-gebaseerde legeringen veel moeilijker te stabiliseren maken dan lood-gebaseerde.

Kortom: De wetenschappers bouwden een supersnelle AI die de "veilige zones" voor zonnecellingrediënten in kaart bracht. Ze ontdekten dat hoewel lood-gebaseerde mengsels flexibel en stabiel zijn, de milieuvriendelijke tin-gebaseerde mengsels veel kieskeuriger zijn en moeilijker bij elkaar te houden, wat toekomstige onderzoekers leidt naar waar ze moeten zoeken voor de volgende doorbraak.

Technische samenvatting

Technische Samenvatting: Het in kaart brengen van de thermodynamische stabiliteit van hybride perovskietlegeringen met machine learning

Probleemstelling
Hybride perovskiet-zonnecellen (PSC's) hebben omzettingsefficiënties bereikt die concurreren met silicium, maar hun commercialisatie wordt belemmerd door problemen met operationele stabiliteit op lange termijn en zorgen over loodtoxiciteit. Compositiesontwerp met behulp van quaternaire legeringen, specifiek $(Cs/FA)Pb(Br/I)_3$ en de loodvrije $(Cs/FA)Sn(Br/I)_3$ (waarbij FA formamidinium is), biedt een weg om eigenschappen af te stemmen en de stabiliteit te verbeteren. De enorme configuratieruimte van deze meercomponenten systemen, gecombineerd met de complexiteit van oriënteerbare organische kationen, heeft echter nauwkeurige thermodynamische modellering belemmerd. Traditionele Dichtefunctietheorie (DFT) is computationeel onbetaalbaar voor het bemonsteren van de benodigde configuraties om vrije-energielandschappen in kaart te brengen, terwijl bestaande benaderingen zoals cluster-expansies falen in het vastleggen van oriëntaties van moleculaire kationen, en Speciale Kwaaswillekeurige Structuren (SQS) vertekeningen introduceren door beperkte configuratiebemonstering.

Methodologie
De auteurs presenteren een door machine learning (ML) versnelde workflow voor atomaire modellering die is ontworpen om vrije-energielandschappen te berekenen over de volledige compositiesruimte van deze quaternaire legeringen. De aanpak maakt gebruik van een tweeledige ML-strategie om computationele knelpunten te overwinnen:

1. MACE Interatomische Potentiaal: De auteurs hebben MACE-potentiaal (Higher-order Equivariant Message Passing Neural Networks) getraind op DFT-gegevens. Deze potentiaal werden gebruikt om efficiënte structuurrelaxaties uit te voeren, wat de berekeningen ongeveer zes ordes van grootte versnelde in vergelijking met DFT. De trainingsgegevens omvatten $2 \times 2 \times 2$ supercellen uit vier verschillende fasen ($Pm\bar{3}m$, $P4/mbm$, $I4/mcm$, en $Pnma$) met gerandomiseerde kation/anion-verdelingen en FA-moleculaire oriëntaties.
2. Directe Relaxatiemodellen (KRR): Om de bemonstering die nodig is voor vrije-energieberekeningen verder te versnellen, werden secundaire Kernel Ridge Regression (KRR)-modellen getraind op de door MACE gerelaxeerde gegevens. Deze modellen voorspellen gerelaxeerde energieën direct vanuit niet-gerelaxeerde atomaire structuren, waardoor de noodzaak voor expliciete relaxatie tijdens bemonstering wordt omzeild. Deze stap leverde een extra versnelling van drie ordes van grootte op.
3. Actief Leren: Om nauwkeurigheid te waarborgen, met name in het laag-energetische regime dat cruciaal is voor stabiliteitsanalyse, werd een schema voor actief leren toegepast. Dit omvatte iteratieve Monte Carlo (MC)-simulaties voor energie-minimalisatie om voorspellingen voor laag-energetische legeringsconfiguraties te identificeren en te corrigeren, waardoor de gemiddelde absolute fouten (MAE's) aanzienlijk werden verminderd.
4. Berekening van Vrije Energie: Het Wang-Landau-algoritme werd gebruikt om de toestandsdichtheid te bemonsteren en Helmholtz-vrije mengenergieën te berekenen bij 300 K (en 150 °C voor synthesecondities). Dit maakte het mogelijk om convexe hulplijnen te construeren en krommeanalyses uit te voeren om de thermodynamische stabiliteit tegen faseafscheiding te beoordelen.

Belangrijkste Bijdragen

• Ontwikkeling van Workflow: Het artikel vestigt een rigoureuze meerstaps ML-workflow die in staat is om de complexiteit van quaternaire hybride perovskieten aan te pakken, inclusief de behandeling van oriënteerbare organische kationen, wat eerdere methoden moeite hadden om effectief te modelleren.
• Versnelling: De gecombineerde aanpak bereikt een totale versnelling van ongeveer negen ordes van grootte in vergelijking met traditionele DFT, waardoor de evaluatie van meer dan twee miljard energieconfiguraties mogelijk wordt die nodig zijn voor een uitgebreide in kaart brengen van vrije energie.
• Vergelijkende Analyse: De studie biedt de eerste uitgebreide vergelijking van thermodynamische stabiliteit tussen loodhoudende $(Cs/FA)Pb(Br/I)_3$ en loodvrije $(Cs/FA)Sn(Br/I)_3$ quaternaire legeringen over meerdere fasen.

Resultaten

• Modelnauwkeurigheid: De MACE-potentiaal bereikten MAE's van 2,81 meV/f.u. en 3,07 meV/f.u. voor respectievelijk Pb- en Sn-gebaseerde systemen, vergeleken met single-point DFT-berekeningen op gerelaxeerde structuren. De uiteindelijke directe relaxatiemodellen (na actief leren) bereikten MAE's van ongeveer 3,2 meV/f.u. op configuraties met minimale energie.
• Stabiliteitslandschappen:
  • Pb-gebaseerd Systeem: Vertoont bredere stabiele compositiesregio's. In de kubische ($Pm\bar{3}m$) fase bestaat er een laag-energetisch gebied in het centrum van de compositiesruimte. Stabiele regio's op de convexe hulplijn strekken zich uit over diverse A-site substituties en tot 60% Br-concentratie, afhankelijk van de Cs/FA-verhouding.
  • Sn-gebaseerd Systeem: Toont nauwere stabiele compositiesregio's in vergelijking met zijn Pb-tegenhanger. De centrale laag-energetische put die wordt waargenomen in de Pb-gebaseerde kubische fase ontbreekt; de laagste energieën worden gevonden aan de Cs-vrije rand. De convexe hulplijn geeft minder opties voor compositiesontwerp aan, waarbij stabiliteit grotendeels beperkt blijft tot een hoog jodiumgehalte.
  • Temperatuur-effecten: Stabiliteitsregio's breiden zich uit bij verhoogde temperaturen (150 °C), in overeenstemming met entropische stabilisatie, maar het fundamentele verschil tussen Pb- en Sn-systemen blijft bestaan.
• Entropie en Stabiliteit: De analyse onthult dat entropie-gedreven stabilisatie beperkt is. Maximale stabiliteit treedt op bij een hoog jodiumgehalte, en er wordt geen significante stabilisatie waargenomen in de buurt van het centrum van de compositiesruimte waar de mengentropie het hoogst is. Dit suggereert dat mengen alleen de centrale quaternaire composities niet kan stabiliseren tegen faseafscheiding.
• Experimentele Validatie: De resultaten voor het Pb-gebaseerde systeem tonen kwalitatieve overeenstemming met high-throughput experimentele gegevens van Wang et al., met name wat betreft de stabiliteit van regio's met laag Br- en laag Cs-gehalte in de kubische fase. Afwijkingen in de orthorombische fase worden toegeschreven aan niet-evenwichtssynthesecondities en potentiële uitdagingen bij fase-identificatie tussen vergelijkbare kristalstructuren.

Betekenis en Beweringen
Het artikel beweert dat de resultaten het ontwerp van stabiele perovskieten leiden door de fundamentele thermodynamische grenzen van deze legeringen in kaart te brengen. De auteurs concluderen dat de verminderde thermodynamische stabiliteit van tin-gebaseerde hybride perovskieten voortkomt uit fundamentele verschillen in hun vrije-energielandschappen in vergelijking met lood-gebaseerde tegenhangers, specifiek de afwezigheid van centrale laag-energetische regio's en nauwere stabiele compositiesbereiken. Bijgevolg suggereert de studie dat toekomstige experimentele inspanningen om $(Cs/FA)Sn(Br/I)_3$ te optimaliseren zich moeten richten op composities die al als gunstig zijn geïdentificeerd voor het Pb-gebaseerde systeem, in plaats van het centrale compositiesruimte te verkennen waar stabiliteit niet thermodynamisch gunstig is. Het werk benadrukt dat, hoewel ML ontdekking kan versnellen, de intrinsieke thermodynamische instabiliteit van bepaalde quaternaire regio's niet uitsluitend door mengentropie kan worden overwonnen.