4-10、新型钙钛矿材料的高通量筛选：从经验规律到机器学习

High-Throughput Screening of Novel Perovskites: From Empirical Descriptor to Machine Learning

尹万健^1,*，孙庆德¹，李珍珠¹，徐其琛¹，霍正宝¹，侯柱锋²，魏苏淮³

1.苏州大学能源学院 能源与材料创新研究院，2.日本国立材料研究所，3.北京计算科学研究中心

摘要：有机无机杂化钙钛矿太阳能电池的实验室光电转换效率已经超过22%，已达到产业化薄膜太阳能电池（CdTe, CuIn_xGa_1-xSe₂）的水平。当前，稳定性成为阻碍钙钛矿产业化的最大问题。尽管如此，在过去的一个世纪里，对钙钛矿稳定性的认识仍然停留在以结构容忍因子(tolerance factor)为代表的人类经验规律。

本报告将汇报我们在国家重点研发计划“材料基因工程关键技术与支撑平台”，“环境友好型高稳定性太阳能电池材料”项目（No. 2016YFB0700700）支持下，近两年来在钙钛矿结构稳定性以及新型钙钛矿材料筛选方面的研究进展。我们首先针对10³种钙钛矿材料（354种卤族化合物，720种硫族化合物），对与太阳能吸收材料性能密切相关的材料性质（稳定性，能隙，载流子有效质量，光吸收谱等）进行了第一性原理高通量计算。我们发现：（1）双卤化物钙钛矿作为太阳能吸收材料，其性质远不如有机无机含铅的钙钛矿CH₃NH₃PbI₃, 并从材料机理上给出了物理解释；（2）高通量计算从658种硫族钙钛矿种删选出了五种（BaZrS₃, BaZrSe₃, SrZrSe₃, BaHfSe₃, SrHfSe₃）硫族钙钛矿，可能具备太阳能电池吸收材料的潜质[1]；（3）我们发现卤化物的稳定性普遍比硫族化合物，特别是氧化物要差。

因此，我们系统研究了一类A₂M(III)M(V)O₆ [其中A= (Ca/Sr/Ba); M(III)= (Sb³⁺/Bi³⁺); M(V)= (V⁵⁺/Nb⁵⁺/Ta⁵⁺)] 的氧化物钙钛矿作为太阳能电池的可能性。我们发现这类氧化物均呈现直接带隙材料，带隙值为0.3~3.8 eV; 通过合金的办法可以调控带隙达到最优带隙值范围(1.0~1.6 eV); 进一步的光学计算表明该类合金可具有较强的光吸收率，为稳定钙钛矿太阳能电池提供了一种可能的材料[2]。

通过对10³种钙钛矿材料稳定性的分析，我们进一步发现稳定性与结构容忍因子t的关联性不强，并进一步依据Pauling第一法则引入八面体因子μ 和材料堆积比η，构造出新的稳定性descriptor (μ+ t)^η，该descriptor与热力学稳定性线性相关。作为稳定稳定性descriptor，(μ+ t)^η 对任何两个钙钛矿之间的相对稳定性预测准确度接近90％，大大高于结构容忍因子的70% [3,4]。我们进一步结合机器学习和第一性原理计算方法，提出了比经验规律更加准确的钙钛矿稳定性判断策略。我们首先建立分解能和组分离子半径之间的机器学习模型，进一步将相对稳定性预测准确度提高到95％，并据此模型研究了14190种卤化物双钙钛矿的稳定性。机器学习结果准确确定了200多种稀土金属卤化物钙钛矿的稳定性，并进一步提出了改善混合钙钛矿稳定性的元素成分和浓度配比的实验建议[5]。

我们的工作表明利用高通量计算结果建立纯理论数据的数据库，通过机器学习寻找其中的

构效关系，其结果与已有实验结果可以吻合得很好。下一步，我们将利用当前钙钛矿理论数据库，结合机器学习方法，指导实验合成前人不存发现的高效稳定环境友好的新型太阳能电池材料。

关键词： 钙钛矿，太阳能材料，高通量，机器学习

通讯作者：尹万健  电话，0512-64167457  Email: wjyin@suda.edu.cn

参考文献：

[1] Zhengbao Huo, Su-Huai Wei, Wan-Jian Yin*, submitted (2018).

[2] Qingde Sun, Jing Wang, Wan-Jian Yin*, Yanfa Yan*, Adv. Mater. 30, 1705901 (2018)

[3] Qingde Sun, Wan-Jian Yin*, JACS 139, 14905-14908 (2017)

[4] Fazel Shojaei, Wan-Jian Yin*, JPCC accepted (2018)

[5] Zhenzhu Li, Qichen Xu, Qingde Sun, Zhufeng Hou, Wan-Jian Yin*, preprint arXiv:1803.06042.

DOI:10.12110/secondfmge.20181014.410