- 客户文献 -

探索无铅候选物并提高效率和稳定性仍然是基于混合有机-无机钙钛矿的器件商业化的障碍。传统的试错方法严重限制了发现，特别是对于大搜索空间、复杂晶体结构和多目标特性。

复旦大学Yiqiang Zhan和Hao Zhang等人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杂化有机-无机钙钛矿 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以及（C₂NH₆)₂AgInBr₆)的预测效率分别达到20.6%、19.9%和27.6%。

原因为从UVC到IRC的超宽带吸收区域，激子辐射组合率低至10 ps。三种无铅候选物的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，有利于抑制非辐射组合和热诱导降解。