通过高通量选和机器学习方法,改进了石太阳能电池的设计

科学领域:

• 材料科学 材料科学 材料科学
• 可再生能源可再生能源是可再生能源.
• 计算化学的计算化学

背景情况:

• 石Cu₂ZnSnS₄ (CZTS) 是薄膜太阳能电池的一个有前途的材料,因为它的地球丰富的组成和低成本的生产潜力.
• 目前的石太阳能电池效率低于理论极限,这表明可以通过材料优化进行改进.

研究的目的:

• 为增强太阳能电池应用进行计算选的石材料.
• 建立结构-属性关系,以预测石带间隙.
• 识别具有优越光伏性能的新型石组成.

主要方法:

• 通过使用Perdew-Burke-Ernzerhof (PBE) 计算来进行高通量选,生成了大量的石带间隙数据集.
• 采用符号回归和机器学习模型 (决策树,CNN) 来根据材料特性预测带间隙.
• 进行了详细的电子结构计算,使用Heyd-Scuseria-Ernzerhof (HSE06) 函数用于选定的候选人.

主要成果:

• 开发了石带间隙的预测模型,确定系数 (R²) 高达0.93.3.
• 鉴定了54种PBE带间隙在0.4和1.5 eV之间的石材料,供进一步研究.
• 与Ag₂SrSnSe₄相比,SrSnSe₄表现出有利的缺陷特征 (较少的深度,更浅的缺陷) 与Ag₂CaSnSe₄相比,表明载体度提高和能量损失减少.

结论:

• 计算选和预测建模对于识别高性能石太阳能电池材料是有效的.
• 由于其优化的缺陷景观,Ag₂SrSnSe₄是下一代太阳能电池的有希望的候选人.
• 对石结构中B位置换的进一步研究可以在太阳能转换效率方面取得重大进展.