数据科学帮助工程师发现太阳能电池和LED的新材料

工程师们开发了一种高通量计算方法，为下一代太阳能电池和LED设计新材料。他们的方法产生了13种新的太阳能电池候选材料和23种新的LED候选材料。加州大学圣地亚哥分校的工程师开发了一种高通量计算方法，为下一代太阳能电池和LED设计新材料。他们的方法产生了13种新的太阳能电池候选材料和23种新的LED候选材料。计算预测这些材料称为混合卤化物半导体，将是稳定的并且表现出优异的光电性能。该团队于2019年5月22日在能源与环境科学杂志上发表了他们的研究结果。混合卤化物半导体是由容纳有机阳离子的无机骨架组成的材料。它们具有独特的材料特性，仅在有机或无机材料中找不到。

这些材料的一个子类，称为混合卤化物钙钛矿，由于其优异的光电性能和廉价的制造成本，作为下一代太阳能电池和LED器件的有前景的材料引起了很多关注。然而，混合钙钛矿不是很稳定并含有铅，使得它们不适用于商业设备。

寻求钙钛矿的替代品，由加州大学圣地亚哥雅各布斯工程学院的纳米工程教授Kesong Yang领导的研究小组利用计算工具，数据挖掘和数据筛选技术发现了钙钛矿以外的新型混合卤化物材料，这些材料稳定且具有铅-自由。“我们正在寻找钙钛矿结构，寻找一个新的空间来设计用于光电子学的混合半导体材料。”杨说。

Yang的团队首先浏览了两个最大的量子材料数据库AFLOW和材料项目，并分析了所有化学成分与卤素钙钛矿相似的化合物。然后，他们提取了24个原型结构，用作生成混合有机 - 无机材料结构的模板。

接下来，他们在原型结构上进行了高通量量子力学计算，以建立一个包含4,507个假设杂化卤化物的综合量子材料库。通过使用高效的数据挖掘和数据筛选算法，Yang的团队迅速确定了13种太阳能电池材料候选物和23种LED候选物。

“有机 - 无机杂化材料的高通量研究并非微不足道，”杨说。花了几年的时间才开发出一套完整的软件框架，该框架配备了混合卤化物材料的数据生成，数据挖掘和数据筛选算法。他的团队还花费了大量精力使软件框架与用于高吞吐量计算的软件无缝协作。

“与其他计算设计方法相比，我们已经探索了一个非常大的结构和化学空间来识别新型卤化物半导体材料，”Yu Yu Li说，他是杨氏集团的纳米工程博士候选人，也是该研究的第一作者。李说，这项工作还可以激发新的实验工作浪潮，以验证计算预测的材料。

展望未来，Yang和他的团队正在利用他们的高通量方法从其他类型的晶体结构中发现新的太阳能电池和LED材料。他们还在开发新的数据挖掘模块，以发现用于能量转换，光电子和自旋电子应用的其他类型的功能材料。

Yang将其项目成功的大部分内容归功于加州大学圣地亚哥分校圣地亚哥超级计算机中心(SDSC)的Comet超级计算机的使用。“我们的大规模量子力学计算需要大量的计算资源，”他解释道。“自2016年以来，我们获得了计算时间 - 在Comet上获得了大约346万个核心小时，这使该项目成为可能。”

虽然Comet在这项研究中提供了模拟，但杨说，SDSC的工作人员在他的研究中也发挥了至关重要的作用。SDSC的行业关系总监Ron Hawkins和该中心的计算研究专家Jerry Greenberg确保为Yang及其团队提供足够的支持。研究人员特别依赖SDSC的工作人员进行研究，编辑和安装Comet的计算代码，该代码由美国国家科学基金会资助。

通过位于加州大学圣地亚哥分校的Triton共享计算集群(TSCC)校园集群与SDSC建立联系的Yang表示，Comet不仅节省了时间。“这些获奖计算资源的价值约为115,600美元，这也为我们的项目节省了大量资金。”

这项工作得到了三星高等技术研究院(奖项编号20164974)和国家科学基金会(ACI-1550404)的全球研究外展(GRO)计划的支持。ab-initio分子动力学计算使用由国防部高性能计算现代化计划(HPCMP)提供的计算资源。