通过数值模拟和人工智能技术研究基于 Na2AuGaBr6 的双钙钛矿太阳能电池的光电性质与光伏性能

来自一种新晶体的更清洁电力

太阳能电池每年都在改进，但许多最高效的设计仍依赖有毒金属铅。这项研究探索了一种有前景的无铅替代材料——由特殊晶体 Na2AuGaBr6 构成，并通过计算机模型与人工智能表明，它有望达到甚至超过当今商业太阳能电池的效率——同时避免环境问题。

超越硅与铅的一条更安全路径

传统硅电池可靠但制造成本较高，下一代“钙钛矿”太阳能电池尽管效率高，却常含铅。本研究考察的材料 Na2AuGaBr6 属于一种称为双钙钛矿的家族，用钠、金和镓等危害较小的元素与溴配位来替代铅。研究者首先利用量子级别的计算检查该晶体的结构稳定性以及其与光的相互作用。他们发现它形成稳固的立方晶格，并表现为直接带隙半导体，能级与太阳光谱良好匹配——这意味着它应能高效吸收光并将其转化为可移动的电荷载流子。

设计理想的太阳能层叠结构

太阳能电池不仅仅是一个吸光层。它还需要辅助层将电子与空穴分别引导到相对的电极，同时避免泄漏或复合。研究团队使用专门的模拟工具在 Na2AuGaBr6 周围虚拟构建了48种不同的器件布局，替换了吸收层上下的各种材料。结果发现，一种特定的组合表现最佳：铝前电极、透明氧化物、用于传输电子的二硫化钨层、Na2AuGaBr6 吸收层、用于传输空穴的薄氧化钒层以及镍背电极。在该配置下，模拟器件的光电转换效率约为29%，高于大多数屋顶光伏面板。

微调厚度、缺陷与电极接触

接着研究提出了一个实用问题：性能对真实世界不完美的敏感度如何？通过变化各层厚度、电学掺杂（材料可提供的额外电荷数量）以及块体晶体和界面处的缺陷密度，作者绘制出设计最脆弱的区域。他们发现将吸收层厚度设置在约一微米处，在强光吸收与最小电荷损失之间达到平衡。吸收层内部或层间边界处的缺陷过多会迅速降低电压与电流。接触金属的选择也很关键：铝和镍以其互补的电子与空穴收集能力，与器件内部能级匹配良好，能最大限度减少能量损失。

让人工智能引导筛选过程

在实验上探索厚度、缺陷与材料的每一种可能组合既缓慢又昂贵。为加速进程，研究者用数值太阳电池模拟产生的数据训练了若干机器学习与深度学习模型。这些算法学会从设计输入参数预测关键性能指标——如效率和输出电流。在测试的十一种方法中，一种称为梯度提升（Gradient Boosting）的方法给出了最精确的预测，与详尽的物理模拟结果高度一致。该方法还突出了最重要的影响因素：缺陷密度、吸收层的掺杂强度以及工作温度成为提高效率的主要杠杆。

对未来太阳能电池的总体展望

简而言之，这项工作表明，经过精心工程化的无铅 Na2AuGaBr6 晶体，配以合适的辅助层，有望支撑接近30%效率的太阳能电池——可比拟最佳实验室器件，同时具有更清洁的化学成分。同样重要的是，量子计算、器件级模拟与基于人工智能的预测相结合，为发现与优化新型太阳能材料提供了强有力的蓝图。如果实验室验证这些设计，类似方案可能有助于提供更便宜、更环保且更高效的太阳能板，加速从化石燃料的转变并减少对有毒成分的担忧。

引用: Biswas, B.C., Shimul, A.I., Paul, I. et al. Investigating the optoelectronic properties and photovoltaic performance of Na₂AuGaBr₆ based double perovskite solar cells via numerical simulation and AI techniques. Sci Rep 16, 11218 (2026). https://doi.org/10.1038/s41598-026-41519-x

关键词: 无铅钙钛矿太阳能电池, 双钙钛矿 Na2AuGaBr6, 光伏器件模拟, 用于太阳能材料的机器学习, 高效率薄膜光伏