- 客户文献 -

含铅仍然是基于铅基混合有机-无机钙钛矿太阳能电池产业化的障碍，故探索无铅候选物并提高效率和稳定性势在必行。传统的试错方法严重限制了无铅候选物发现，特别是对于大搜索空间、复杂晶体结构和多目标特性。鉴于此，2021年12月14日复旦大学詹义强&张浩团队于Advanced Science刊发通过机器学习发现用于高性能太阳能电池的无铅钙钛矿的研究成果。提出了一种多步多阶段筛选方案，通过将机器学习与高通量计算相结合，以追求卓越的效率和热稳定性，以加速从大量候选者中发现有机-无机杂化钙钛矿A2BB'X6在太阳能电池中。经过一系列筛选，建立了映射A2BB'X6性质的结构-性质关系，预测结果与报道的实验结果接近。成功地筛选出四种具有良好稳定性、高德拜温度和合适带隙的实验可行候选物，并通过密度泛函理论计算进一步验证，其中三种无铅候选物((CH3NH3)2AgGaBr6、(CH3NH3)2AgInBr6和(C2NH6)2AgInBr6的预测效率达到 20.6%、19.9% 和 27.6%，原因是从UVC到IRC的超宽带吸收区，激子辐射结合率低至10ps，三种无铅候选物计算的热导率分别为 5.04、4.39 和 5.16 Wm^-1K^-1，德拜温度大于 500 K，有利于抑制非辐射复合和热诱导的降解。