Charting the thermodynamic stability of hybrid perovskite alloys with machine learning

Este estudo emprega uma estratégia de aprendizado de máquina em dois níveis que combina potenciais de redes neurais de grafos e preditores diretos de energia para mapear a estabilidade termodinâmica das ligas de perovskita (Cs/FA)Pb(Br/I)₃ e (Cs/FA)Sn(Br/I)₃, revelando que os sistemas à base de Sn possuem regiões de composição estável mais estreitas do que os sistemas à base de Pb e que a estabilidade máxima ocorre em alto teor de iodo.

O essencial

Imagine que você é um chef de cozinha mestre tentando criar o bolo perfeito e mais estável. Você tem quatro ingredientes principais: Césio (Cs), Formamidínio (FA), Chumbo (Pb) ou Estanho (Sn), e uma mistura de Bromo (Br) e Iodo (I). Ao misturar esses ingredientes em quantidades diferentes, você pode criar um bolo de "perovskita híbrida" que transforma a luz solar em eletricidade.

O problema é que existem bilhões de receitas possíveis. Se você tentasse assar e testar cada uma delas em uma cozinha real (ou com computadores reais usando métodos padrão), levaria mais tempo do que a idade do universo. Algumas receitas têm um ótimo sabor, mas desmoronam rapidamente (instáveis), enquanto outras são sólidas como rocha, mas não têm bom sabor (baixa eficiência).

Este artigo trata de uma equipe de cientistas que construiu um assistente de cozinha de IA superinteligente para descobrir quais receitas são as melhores sem realmente assar bilhões de bolos.

Veja como eles fizeram isso, usando analogias simples:

1. A Estratégia de IA em Dois Passos

Os cientistas perceberam que testar cada receita era muito lento, então construíram um sistema de dois níveis:

• Nível 1: O "Degustador Inteligente" (Modelo MACE)
  Pense nele como um chef altamente treinado que pode olhar para uma massa crua e não assada e prever exatamente como ela vai assentar e qual será o sabor após assada. Esta IA foi treinada em um pequeno número de experimentos reais e caros de computador (chamados DFT). Ela aprendeu as regras da física tão bem que consegue "relaxar" (assentar) uma estrutura quase instantaneamente, economizando cerca de 1.000.000 de vezes o tempo que levaria para um computador padrão.
• Nível 2: A "Bola de Cristal" (Modelo de Relaxamento Direto)
  Mesmo o "Degustador Inteligente" é muito lento se você precisa verificar bilhões de receitas. Então, os cientistas construíram uma segunda IA, ainda mais rápida. Esta olha para a massa crua e não assada e prevê exatamente o que o "Degustador Inteligente" teria dito após assá-la. Ela ignora completamente a etapa de assar. Esta segunda etapa economizou mais 1.000 vezes em velocidade.

O Resultado: Juntas, essas duas IAs permitiram que a equipe provasse e testasse 2 bilhões de receitas diferentes em uma fração do tempo que levaria antes.

2. O Mapa de Estabilidade

Usando esse sistema super-rápido, eles criaram um "mapa de estabilidade" para dois tipos de bolos:

1. Bollos à base de Chumbo: (Os atuais campeões de eficiência).
2. Bollos à base de Estanho: (A alternativa ecológica e não tóxica).

Eles olharam para o mapa para ver quais receitas eram "estáveis" (não desmoronariam) e quais eram "instáveis" (desmoronariam ou se separariam).

3. As Grandes Descobertas

• O Confronto Chumbo vs. Estanho: O mapa revelou que os bollos à base de Chumbo têm uma zona ampla e segura onde você pode misturar ingredientes e ainda obter um resultado estável. No entanto, os bollos à base de Estanho são muito mais frágeis. Sua "zona segura" é muito estreita. Se você tentar misturá-los demais, eles tendem a desmoronar. Isso explica por que fazer células solares não tóxicas é tão difícil; você tem muito poucas opções para ajustar a receita sem quebrá-la.
• O "Meio" é Instável: Você pode pensar que misturar tudo no meio (50% disto, 50% daquilo) seria o mais estável, como um equilíbrio perfeito. O mapa mostrou o oposto. Os pontos mais estáveis estão geralmente nas bordas (alto teor de Iodo), enquanto o centro do mapa é uma "zona de perigo" onde o material quer se separar em partes diferentes.
• Calor Ajuda (Um Pouco): Eles verificaram o mapa à temperatura ambiente e em altas temperaturas de forno (150°C). Embora o calor tenha tornado as zonas estáveis ligeiramente maiores, o problema fundamental dos bollos à base de Estanho (sua zona segura estreita) permaneceu.

4. Por Que Isso Importa

O artigo não afirma ter inventado uma nova célula solar hoje. Em vez disso, ele fornece um roteiro.

• Para cientistas tentando fazer células solares, diz: "Não perca tempo tentando misturar bollos à base de Estanho no meio do livro de receitas; eles não funcionarão. Fique nas bordas onde o mapa diz que é seguro."
• Confirma que, embora queremos usar Estanho para evitar o Chumbo tóxico, as leis da física tornam as ligas à base de Estanho muito mais difíceis de estabilizar do que as à base de Chumbo.

Em resumo: Os cientistas construíram uma IA super-rápida que mapeou as "zonas seguras" para os ingredientes de células solares. Eles descobriram que, enquanto as misturas à base de Chumbo são flexíveis e estáveis, as misturas à base de Estanho, ecológicas, são muito mais exigentes e difíceis de manter unidas, orientando futuros pesquisadores sobre onde procurar a próxima grande descoberta.

Resumo técnico

Resumo Técnico: Mapeamento da estabilidade termodinâmica de ligas de perovskita híbridas com aprendizado de máquina

Declaração do Problema
As células solares de perovskita híbrida (PSCs) alcançaram eficiências de conversão de energia que rivalizam com o silício, no entanto, sua comercialização é dificultada por problemas de estabilidade operacional de longo prazo e preocupações com a toxicidade do chumbo. A engenharia composicional usando ligas quaternárias, especificamente $(Cs/FA)Pb(Br/I)_3$ e a sem chumbo $(Cs/FA)Sn(Br/I)_3$ (onde FA é formamidínio), oferece um caminho para ajustar propriedades e melhorar a estabilidade. Contudo, o vasto espaço configuracional desses sistemas multicomponentes, combinado com a complexidade dos cátions orgânicos orientáveis, impediu a modelagem termodinâmica precisa. A Teoria do Funcional da Densidade (DFT) tradicional é computacionalmente proibitiva para amostrar as configurações necessárias para mapear paisagens de energia livre, enquanto aproximações existentes, como expansões de aglomerados, falham em capturar orientações de cátions moleculares, e Estruturas Quasirrandômicas Especiais (SQS) introduzem vieses devido à amostragem limitada de configurações.

Metodologia
Os autores apresentam um fluxo de trabalho de modelagem atômica acelerado por aprendizado de máquina (ML) projetado para calcular paisagens de energia livre em todo o espaço de composição dessas ligas quaternárias. A abordagem emprega uma estratégia de ML de dois níveis para superar gargalos computacionais:

1. Potenciais Interatômicos MACE: Os autores treinaram potenciais MACE (Redes Neurais de Passagem de Mensagens Equivariantes de Ordem Superior) em dados DFT. Esses potenciais foram usados para realizar relaxações estruturais eficientes, acelerando os cálculos em aproximadamente seis ordens de magnitude em comparação com a DFT. Os dados de treinamento incluíram supercélulas $2 \times 2 \times 2$ de quatro fases distintas ($Pm\bar{3}m$, $P4/mbm$, $I4/mcm$e$Pnma$) com distribuições aleatórias de cátions/ânions e orientações moleculares de FA.
2. Modelos de Relaxação Direta (KRR): Para acelerar ainda mais a amostragem necessária para cálculos de energia livre, modelos secundários de Regressão de Pente de Kernel (KRR) foram treinados nos dados relaxados pelo MACE. Esses modelos preveem energias relaxadas diretamente a partir de estruturas atômicas não relaxadas, contornando a necessidade de relaxação explícita durante a amostragem. Esta etapa forneceu um aumento adicional de velocidade de três ordens de magnitude.
3. Aprendizado Ativo: Para garantir precisão, particularmente no regime de baixa energia crítico para análise de estabilidade, um esquema de aprendizado ativo foi empregado. Isso envolveu simulações iterativas de Monte Carlo (MC) de minimização de energia para identificar e corrigir previsões para configurações de ligas de baixa energia, reduzindo significativamente os erros absolutos médios (MAEs).
4. Cálculo de Energia Livre: O algoritmo de Wang-Landau foi utilizado para amostrar a densidade de estados e calcular energias livres de Helmholtz de mistura a 300 K (e 150 °C para condições de síntese). Isso permitiu a construção de cascas convexas e análise de curvatura para avaliar a estabilidade termodinâmica contra separação de fases.

Principais Contribuições

• Desenvolvimento de Fluxo de Trabalho: O artigo estabelece um fluxo de trabalho rigoroso de ML multiestágio capaz de lidar com a complexidade de perovskitas híbridas quaternárias, incluindo o tratamento de cátions orgânicos orientáveis, que métodos anteriores lutaram para modelar efetivamente.
• Aumento de Velocidade: A abordagem combinada alcança um aumento total de velocidade de aproximadamente nove ordens de magnitude em comparação com a DFT tradicional, permitindo a avaliação de mais de dois bilhões de configurações de energia necessárias para o mapeamento abrangente de energia livre.
• Análise Comparativa: O estudo fornece a primeira comparação abrangente de estabilidade termodinâmica entre ligas quaternárias baseadas em chumbo $(Cs/FA)Pb(Br/I)_3$ e sem chumbo $(Cs/FA)Sn(Br/I)_3$ em múltiplas fases.

Resultados

• Precisão do Modelo: Os potenciais MACE alcançaram MAEs de 2,81 meV/f.u. e 3,07 meV/f.u. para sistemas baseados em Pb e Sn, respectivamente, em comparação com cálculos DFT de ponto único em estruturas relaxadas. Os modelos finais de relaxação direta (após aprendizado ativo) alcançaram MAEs de aproximadamente 3,2 meV/f.u. em configurações de energia mínima.
• Paisagens de Estabilidade:
  • Sistema Baseado em Pb: Exibe regiões de composição estável mais amplas. Na fase cúbica ($Pm\bar{3}m$), existe uma região de baixa energia no centro do espaço de composição. Regiões estáveis na casca convexa se estendem por várias substituições no sítio A e até 60% de concentração de Br, dependendo da razão Cs/FA.
  • Sistema Baseado em Sn: Mostra regiões de composição estável mais estreitas em comparação com seu homólogo Pb. O poço de baixa energia central observado na fase cúbica baseada em Pb está ausente; as energias mais baixas são encontradas na borda livre de Cs. A casca convexa indica menos opções para engenharia composicional, com estabilidade confinada principalmente a alto teor de Iodo.
  • Efeitos de Temperatura: As regiões de estabilidade expandem-se em temperaturas elevadas (150 °C), consistente com estabilização entrópica, mas a disparidade fundamental entre os sistemas Pb e Sn permanece.
• Entropia e Estabilidade: A análise revela que a estabilização impulsionada pela entropia é limitada. A estabilidade máxima ocorre em alto teor de Iodo, e nenhuma estabilização significativa é observada perto do centro do espaço de composição onde a entropia de mistura é mais alta. Isso sugere que a mistura sozinha não pode estabilizar as composições quaternárias centrais contra a separação de fases.
• Validação Experimental: Os resultados para o sistema baseado em Pb mostram concordância qualitativa com dados experimentais de alto rendimento de Wang et al., particularmente regarding a estabilidade de regiões de baixo Br e baixo Cs na fase cúbica. Discrepâncias na fase ortorrômbica são atribuídas a condições de síntese fora do equilíbrio e desafios potenciais de identificação de fase entre estruturas cristalinas semelhantes.

Significado e Alegações
O artigo alega que seus resultados orientam o projeto de perovskitas estáveis mapeando os limites termodinâmicos fundamentais dessas ligas. Os autores concluem que a estabilidade termodinâmica reduzida de perovskitas híbridas à base de estanho decorre de diferenças fundamentais em suas paisagens de energia livre em comparação com seus homólogos à base de chumbo, especificamente a ausência de regiões centrais de baixa energia e faixas de composição estável mais estreitas. Consequentemente, o estudo sugere que futuros esforços experimentais para otimizar $(Cs/FA)Sn(Br/I)_3$ devem focar em composições já identificadas como favoráveis para o sistema baseado em Pb, em vez de explorar o espaço de composição central onde a estabilidade não é termodinamicamente favorecida. O trabalho destaca que, embora o ML possa acelerar a descoberta, a instabilidade termodinâmica intrínseca de certas regiões quaternárias não pode ser superada apenas pela entropia de mistura.