Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Física# Ciencia de materiales

Avances en Perovskitas Haluro sin Plomo para Celdas Solares

La investigación se centra en alternativas seguras al plomo para la energía solar.

― 5 minilectura


Innovaciones en CeldasInnovaciones en CeldasSolares Sin Plomode energía solar más seguras.Nuevos materiales prometen soluciones
Tabla de contenidos

Los investigadores están buscando formas de hacer celdas solares que no usen materiales tóxicos, especialmente plomo. Un grupo prometedor de materiales se llama perovskitas halógenas. Estos materiales tienen estructuras y propiedades únicas que los hacen buenos candidatos para la conversión de energía solar. Este artículo habla de los hallazgos y métodos utilizados para descubrir nuevos materiales de perovskitas halógenas sin plomo, que pueden usarse en celdas solares.

¿Qué son las perovskitas halógenas?

Las perovskitas halógenas son materiales que tienen una estructura cristalina específica. Están formadas por una combinación de metales y halógenos (elementos como el cloro, bromo y yodo). Estos materiales están ganando atención porque pueden convertir eficazmente la luz solar en electricidad. Algunas características clave de las perovskitas halógenas son sus Bandgaps ajustables, alta absorción de luz y buena capacidad para transportar electricidad.

La necesidad de alternativas sin plomo

Aunque las perovskitas halógenas tradicionales, como las que contienen plomo, son excelentes en rendimiento, el plomo es tóxico y representa riesgos para la salud. Esta preocupación ha llevado a los científicos a buscar alternativas sin plomo que sigan funcionando eficientemente en aplicaciones solares. La investigación se centra en usar otros metales como estaño y bismuto para crear estos materiales más seguros.

Nuevos descubrimientos en perovskitas halógenas sin plomo

Estudios recientes han utilizado métodos avanzados, como el Aprendizaje automático y la teoría funcional de la densidad (DFT), para predecir nuevos materiales de perovskitas halógenas sin plomo que podrían ser aptos para celdas solares. El aprendizaje automático ayuda a identificar patrones en las propiedades de los materiales existentes, permitiendo a los investigadores predecir nuevos materiales con características deseadas.

Durante esta investigación, se predijeron varios nuevos materiales sin plomo, incluyendo diferentes combinaciones de elementos como cesio, rubidio, manganeso e indio con cloro. Un compuesto notable, CsMnCl, fue identificado con un bandgap de 1.37 eV, lo que lo hace adecuado para su uso en celdas solares según los límites de eficiencia establecidos.

Enfoque de aprendizaje automático

El modelo de aprendizaje automático utilizado en esta investigación opera con un método llamado Redes Neuronales Convolucionales de Grafos Cristalinos (CGCNN). Este modelo analiza las estructuras cristalinas y predice sus propiedades según la disposición de los átomos. El modelo utiliza información de materiales existentes, incluidos sus niveles de energía y datos estructurales, para hacer predicciones sobre nuevos compuestos.

Selección de materiales

Para acotar la búsqueda de materiales útiles, los investigadores aplicaron criterios específicos. Solo se seleccionaron materiales de perovskita que sean sin plomo y que tengan un bandgap dentro de los límites de eficiencia. Este enfoque simplificado ayudó a dirigir a los candidatos más prometedores para un estudio más detallado.

Cálculos de la teoría funcional de la densidad

Una vez que se predijeron nuevos materiales, sus características se confirmaron utilizando la teoría funcional de la densidad (DFT). La DFT es un método usado para calcular las propiedades de los materiales a nivel atómico. Al aplicar la DFT, los investigadores pudieron verificar las propiedades electrónicas y estructurales de los compuestos predichos, asegurando su viabilidad para su uso en celdas solares.

Hallazgos y resultados

Los investigadores encontraron tendencias interesantes al analizar los nuevos materiales. Los compuestos a base de cloruros destacaron debido a sus bandgaps más grandes y propiedades térmicas adecuadas en comparación con otros halógenos. El modelo predictivo logró una precisión impresionante, mostrando resultados confiables que confirman el potencial de estos materiales para aplicaciones fotovoltaicas.

Propiedades electrónicas

Se analizaron las propiedades electrónicas de los nuevos materiales predichos, centrándose en el bandgap y la densidad de estados. El bandgap es crucial para determinar cuán bien un material puede convertir la luz solar en electricidad. CsMnCl, con su bandgap de 1.37 eV, se encuentra dentro del rango óptimo para eficiencia, lo que lo convierte en un candidato destacado.

Propiedades ópticas

Además de las propiedades electrónicas, se examinaron las características ópticas de CsMnCl. Esto incluye cuán bien el material absorbe luz, que es un aspecto esencial en el rendimiento de las celdas solares. El análisis mostró que CsMnCl tiene un coeficiente de absorción significativo, lo que significa que puede utilizar eficazmente la luz solar.

Desafíos y direcciones futuras

A pesar de los avances, aún quedan algunos desafíos. La síntesis de estos materiales halógenos sin plomo debe hacerse con cuidado para asegurar estabilidad y rendimiento. La complicada naturaleza de combinar diferentes metales y halógenos puede generar dificultades en la creación de los compuestos deseados.

De cara al futuro, los investigadores planean explorar más combinaciones de elementos y potencialmente incorporar modelos de aprendizaje automático más avanzados. La prueba experimental de los materiales predichos también será crucial para confirmar sus aplicaciones prácticas en tecnología solar.

Conclusión

El avance de las perovskitas halógenas sin plomo marca un paso significativo hacia soluciones sostenibles de energía solar. La combinación de aprendizaje automático y métodos computacionales ofrece un enfoque potente para descubrir nuevos materiales. Con investigación continua, el objetivo de crear celdas solares eficientes y no tóxicas parece cada vez más alcanzable.

Fuente original

Título: Machine Learning-Enhanced Design of Lead-Free Halide Perovskite Materials Using Density Functional Theory

Resumen: The investigation of emerging non-toxic perovskite materials has been undertaken to advance the fabrication of environmentally sustainable lead-free perovskite solar cells. This study introduces a machine learning methodology aimed at predicting innovative halide perovskite materials that hold promise for use in photovoltaic applications. The seven newly predicted materials are as follows: CsMnCl$_4$, Rb$_3$Mn$_2$Cl$_9$, Rb$_4$MnCl$_6$, Rb$_3$MnCl$_5$, RbMn$_2$Cl$_7$, RbMn$_4$Cl$_9$, and CsIn$_2$Cl$_7$. The predicted compounds are first screened using a machine learning approach, and their validity is subsequently verified through density functional theory calculations. CsMnCl$_4$ is notable among them, displaying a bandgap of 1.37 eV, falling within the Shockley-Queisser limit, making it suitable for photovoltaic applications. Through the integration of machine learning and density functional theory, this study presents a methodology that is more effective and thorough for the discovery and design of materials.

Autores: Upendra Kumar, Hyeon Woo Kim, Gyanendra Kumar Maurya, Bincy Babu Raj, Sobhit Singh, Ajay Kumar Kushwaha, Sung Beom Cho, Hyunseok Ko

Última actualización: 2024-07-22 00:00:00

Idioma: English

Fuente URL: https://arxiv.org/abs/2407.15573

Fuente PDF: https://arxiv.org/pdf/2407.15573

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares