基于机器学习驱动效率预测的第一性原理研究及TlPbI3基钙钛矿太阳能电池器件模拟

《RSC Advances》：First-principles investigation and device simulation of TlPbI3-based perovskite solar cells with machine learning-driven efficiency prediction

　　

开发可持续、低成本且环境友好的光伏吸收层材料对推进下一代太阳能电池技术至关重要。研究人员通过密度泛函理论（DFT）、一维太阳能电池电容模拟器（SCAPS-1D）器件模拟与机器学习（ML）的协同结合，对铊基卤化物钙钛矿TlPbI3展开系统研究。结构优化、容忍因子、形成能与声子色散曲线证实了立方相TlPbI3在结构、动力学、热力学与力学上的稳定性，其弹性常数满足玻恩稳定性判据。在R点计算得到的直接带隙为1.26 eV，处于单结光伏器件的最佳范围。电荷密度分布显示混合离子-共价键合特征，保障了结构的稳健性。力学分析证实材料具有延展性与热稳定性，估算熔点约为757 K。光学性质显示其在可见光区具有强吸收、高静态介电常数（ε0≈4.6）和低反射率，凸显了TlPbI3在光电器件中的适用性。研究人员对不同异质结构型进行了SCAPS-1D模拟，优化了吸收层厚度、掺杂浓度、缺陷密度与缓冲层。性能最优的器件结构为氟掺杂氧化锡（FTO）/硫化镉（CdS）/碘化铊铅（TlPbI3）/铜（Cu），实现了22.20%的功率转换效率（PCE），开路电压（VOC）为0.7987 V，短路电流密度（JSC）为34.56 mA cm?2，填充因子（FF）为80.40%，证实了TlPbI3优异的光伏潜力。基于模拟数据集训练的机器学习模型成功识别出吸收层厚度与缺陷密度是影响器件性能的最关键因素。该集成计算框架展示了TlPbI3作为下一代太阳能电池可行吸收层材料的潜力，并为指导实验开发提供了有价值的预测参考。

该研究发表于《RSC Advances》，针对当前晶体硅光伏成本高、制备能耗大，碲化镉（CdTe）与铜铟镓硒（CIGS）薄膜材料稀缺等问题，探索低成本、易制备的新型吸光层材料。金属卤化物钙钛矿因优异的光电特性成为研究热点，其中铊基钙钛矿TlPbI₃虽有初步理论报道，但在太阳能电池器件层面的性能研究仍较匮乏，且缺乏机器学习对该类材料的针对性预测。为此，研究人员采用第一性原理计算、SCAPS-1D器件模拟与机器学习相结合的策略，系统评估TlPbI₃的光伏潜力，并明确关键调控参数，为实验开发提供理论依据。

关键技术方法方面，研究人员首先基于密度泛函理论（DFT）框架，利用Quantum ESPRESSO软件包对TlPbI₃的结构、力学、电子与光学性质进行计算；其次采用SCAPS-1D（版本3.3.0.12）软件对FTO/（CdS/In₂S₃/SnS₂）/TlPbI₃/Cu三种器件构型进行数值模拟，求解泊松方程、载流子连续性方程与电流密度方程以获得光伏性能参数；最后基于43200组模拟数据，训练随机森林（RF）、梯度提升（GB）、决策树（DT）与轻量梯度提升机（LightGBM）四种机器学习模型，并通过SHAP（沙普利加性解释）方法解析关键影响因素。

研究结果部分，在结构与电子性质研究中，TlPbI₃为立方晶系Pm-3m空间群，优化晶格常数为6.29 ?，戈尔德施密特容忍因子为0.77、八面体因子为0.54，均在稳定范围内；形成能为?2.466 eV/原子，声子谱无虚频，证实其在常压下可稳定合成且无自发结构畸变。磁学计算表明其为非磁性基态。电荷密度图显示Tl–I为离子键，Pb–I为共价键，混合键合增强了结构稳定性。力学性质方面，弹性常数满足Born稳定性判据，体模量为13.44 GPa、剪切模量为6.11 GPa，泊松比为0.30，呈延展性，熔点为757 K，适合高温光电子应用。电子性质方面，PBE方法得到R点直接带隙为1.26 eV，HSE06杂化泛函修正后为1.82 eV，考虑自旋轨道耦合（SOC）后降至0.35 eV；态密度显示价带顶由I-5p轨道主导，导带底由Tl-6p轨道主导；电子亲和能为3.75 eV，电子与空穴迁移率分别为91.9 cm²V^?1s^?1与75.9 cm²V^?1s^?1，利于载流子传输。光学性质方面，材料在可见光区有强吸收，静态介电常数为4.6，反射率低，折射率在2.10 eV光子能量下达2.9，适合高效光捕获。

器件模拟结果显示，FTO/CdS/TlPbI₃/Cu结构性能最优，PCE达22.20%；FTO/SnS₂/TlPbI₃/Cu结构PCE为21.34%，是替代含镉缓冲层的可行方案；FTO/In₂S₃/TlPbI₃/Cu结构因能带失配导致填充因子偏低，PCE仅为9.47%。吸收层厚度在1.25 μm以上时光吸收趋于饱和，过厚会增加复合损失；掺杂浓度在10¹⁶cm^?3左右效率最高，过高会诱发俄歇复合；缺陷密度低于10¹⁴cm^?3时对性能影响较小，界面缺陷对开路电压影响最显著。温度升高会降低开路电压与效率，串联电阻与并联电阻分别控制在1 Ω cm²以下与1200 Ω cm²以上可保障高性能。

机器学习分析表明，决策树与随机森林模型的预测精度最高（R²＞0.999），SHAP特征重要性分析确认吸收层掺杂浓度、缺陷密度与带隙是影响效率的核心因素，优于传统单参数扫描方法，可实现高效设计空间筛选。

讨论与结论部分指出，TlPbI₃兼具合适的带隙、高载流子迁移率与良好的热稳定性，是极具潜力的新型光伏吸收层材料；CdS与SnS₂分别是高性能与低毒缓冲层的优选方案；机器学习与第一性原理、器件模拟的结合可显著提升材料研发效率。研究人员同时强调，由于含铊元素的毒性，实际应用需严格管控合成、封装与回收过程，并配套全生命周期环境管理策略。该研究为TlPbI₃的实验制备与器件优化提供了系统的理论支撑，也为其他新型钙钛矿材料的计算筛选提供了可借鉴的多尺度研究范式。