摘要 无机钙钛矿铁电氧化物具有比有机-无机杂化型钙钛矿化合物更稳定的特点。然而，基于这些材料的太阳能电池能量转换效率并不高。本文作者通过构建基于铁酸铋的一系列太阳能电池，采用密度泛函结合非平衡格林函数的方法，研究了铁电自发极化、铁酸铋与电极材料的晶格匹配以及极化光等三种因素对太阳能电池光伏性能的影响。结果表明：（1）相比于铁电自发极化，铁酸铋的带隙对光电流的影响更大；（2）在钛酸锶材料作为电极的情况下，铁酸铋中的特定离子与之接触，会使电池的光电流达到更大值；（3）偏振方向垂直于自发极化方向的偏振光作为光源，会使光电流增大。上述研究结果有助于更深一步理解基于铁酸铋太阳能电池的效率问题。 此项研究使用 QuantumATK 构造了典型的界面、器件体系并使用DFT-NEGF方法计算了光电流。 参考 Chao He, et al. Inorganic photovoltaic cells based on BiFeO3: spontaneous polarization, lattice matching, light polarization and their relationship with photovoltaic performance. Phys. Chem. Chem. Phys., 2020,22, 8658-8666. 应用解决方案：光伏材料的模拟与仿真 界面超胞构建的方法：NanoLab在材料界面的最优超胞建模中的应用 界面模型与计算：材料界面的建模和模拟  

概述 此项研究使用两种计算方法来研究混合钙钛矿型锡基光伏太阳能电池。第一种方法基于微观的原子级别电子输运性质计算，结合了密度泛函理论和非平衡格林函数理论。作者对透射谱和态密度的模拟结果表明，由于电子态的离域化，从 MASnI3 到 MASnBr3 的输运带隙减小，表现出较大的电子输运能力。第二种方法是基于器件尺度的漂移扩散方法的模拟，发现钙钛矿-锡基混合光伏电池的参数明显依赖于钙钛矿吸收层的厚度。表面复合速度在 1～10 cm/s 和 102～103 cm/s 范围内，MASnIBr2 和 MASnBr3 的效率分别达到 16.07% 和 12.52%，可以提高太阳能电池的性能。 研究中使用 QuantumATK 直接构造了如下的器件模型，这在QuantumATK的图形用户界面中可以十分方便的快速完成。 研究中采用了QuantumATK中最为成熟的DFT-NEGF方法计算了上述系列器件的伏安特性、能带排列等性质。 作者还采用免费软件 SCAPS-1D 对真实尺寸的器件性能进行了研究，比如性能对吸光层厚度的依赖等。在对多层体系的能带排列进行研究时，QuantumATK提供了更方便的工具，并可以将结果与器件尺度的研究耦合起来： 双端电极界面模型可以免除Slab模型的偶极校正等烦恼 PLDOS计算模块直接得到多层体系的能带排列 快速的杂化泛函方法（HSE06-LCAO）研究更大的体系 参考 光伏材料的计算模拟与器件仿真 使用QuantumATK进行多尺度模拟：界面处能带收窄导致CZTS太阳能电池开路电压损失 材料界面的建模和模拟 原文：Physica B: Physics of Condensed Matter 591 (2020) 412247. 立即试用 QuantumATK！ 下载QuantumATK软件安装包 申请QuantumATK的全功能试用许可  

本文报道的研究采用了材料信息学（MI）方法（即结合了材料性能计算/测量和信息学算法）实现了热功能材料纳米结构的特性的计算优化，这是基于物理直觉和模型的经验方法难以获得的。此研究以一个超晶格结构的优化问题为例，介绍将热输运计算和机器学习相结合的 MI 的基础知识和技术程序，总结了描述符、目标函数、特性计算工具、机器学习（Bayesian optimization）算法和优化效率的细节，并成功地应用于热电材料和热辐射材料的设计。 在过去的几十年里，各种热输运的计算和实验技术在纳米尺度上得到了发展。一般来说，这类知识都是基于四个维度（时间和空间的三个维度）的热传输物理模型，也是人类更容易理解的。然而，在识别复杂的结构-性能关系时，尺寸可能成为制约因素。另一方面，使用黑箱模型的机器学习在处理大量维度的超空间方面有优势，并且在预测复杂的结构-属性关系方面可能更为优越，唯一的不足可能是它可能无法直接帮助人类理解基本物理问题。随着机器学习和数据挖掘方法的进步，研究人员现在能够从计算或实验数据中构建一个黑盒模型，识别或预测显示出所需特性的纳米结构或材料。因此，它为发现、设计甚至理解新材料提供了巨大的机会。 这种 MI 方法有四个基本要素：目标函数、描述符选择、评估目标函数的性质计算工具和信息学优化方法。文章通过设计超晶格基本结构框架对结构进行了数字化得到了多种结构描述符，采用 QuantumATK 中包含的格林函数方法和 Tersoff 经验力场方法结合计算的体系的导热系数作为优化目标函数，并据此设计了 Bayesian optimization 的流程。作者在文中比较了不同优化方法和不同的结构描述符的优劣，并进一步将导热的优化流程延伸应用于优化石墨烯纳米带的热电品质因数（热电优值）。       原文链接 J. Appl. Phys. 128, 161102 (2020)，https://aip.scitation.org/doi/full/10.1063/5.0017042。  

文章摘要 钙钛矿的成分调控让人们能够精确控制其在光伏应用所需的材料性能。然而，同时解决效率、稳定性和毒性仍然是很大的挑战。混合的无铅钙钛矿和无机钙钛矿最近显示出了解决此类问题的潜力，不过它们的组分空间巨大，即使采用高通量方法也很难发现有希望的候选结构。此项研究通过使用由密度泛函理论生成的344个钙钛矿的新数据库，使用与元素无关的通用指纹信息的机器学习方法可以快速而准确地预测关键属性。使用验证子集预测的带隙、形成能、和凸包距离分别在146 meV、15 meV/atom 和 11 meV/atom 内。得到的模型可以用于预测完全不同的化学组分空间中的趋势，并进行快速的组成和结构空间采样，而无需进行昂贵的从头算模拟。 QuantumATK中的计算自动化功能 本文中提及的研究全部采用QuantumATK完成。QuantumATK包含了完整的Python 3基础环境与科学计算模块支持，还包含众多自主开发的结构生成、计算方法和性质分析模块，可以直接设计自动化的计算流程： 结构模型：使用 Python 脚本操作结构、设计结构模板、批量生成结构；在图形化界面的 Builder 中也可以使用 Python 命令操纵结构。参考：https://docs.quantumatk.com/guides/builder/builder_console_guide.html 计算设置：使用 Python 脚本自动化完成批量结构的计算；图形界面也可以直接设置计算脚本模板： https://docs.quantumatk.com/guides/scripter/templates/templates.html 性质分析与汇总：图形用户界面新增报告生成工具，直接汇总计算结果得到统计和对比图。 参考 Jared C. Stanley, Felix Mayr, and Alessio Gagliardi. Machine Learning Stability and Bandgaps of Lead-Free Perovskites for Photovoltaics. Adv. Theory Simul. 2019, 1900178 QuantumATK脚本编程手册：https://docs.quantumatk.com/manual/NLRefMan.html 立即试用 QuantumATK！ 下载QuantumATK软件安装包 申请QuantumATK的全功能试用许可