人工神經網路於複雜鈣鈦礦材料之結構預測

Abstract

"近年來綠色能源是全世界都想要探索的方向，為了擺脫化石燃料，科學家往水力、風力、太陽能等不同的能量來轉換成作為發電的能量來源，而鈣鈦礦(Perovskite)是最近具有很大潛力的太陽能電池材料之一，其主要優點是優秀的光電轉換效率，被視為傳統的矽太陽能電池的接班者，其最大的優勢是製程上不需要像矽一樣做半導體製程，可大幅降低其製造成本，在商用上有很大的發展空間。 鈣鈦礦的晶格結構為ABX3，為了使光電效率提升且同時擁有更好的穩定性，現在的鈣鈦礦已經不再只是單一化合物，而是摻雜多種化學成分所組成的混摻物，在調整混合比例的過程中，微觀尺度的材料性質會有很大的改變，受限於量測技術和時間成本上，很難單靠實驗得到結果，純粹使用試誤法將會曠日費時且效果不彰。因此，吾人嘗試藉由原子尺度模擬以釐清其中各種因素。 第一原理計算(Ab initio calculation)是建立於量子力學理論下所做理論推導的模擬，以計算薛丁格方程式求出電子密度分佈來獲得整個系統的物理性質，其特色是精確度高，且不需要先經過實驗來得到材料之物理性質，所付出的代價是計算時間長，且需要大量的計算資源。故本研究將藉由第一原理計算的結果，使用人工神經網路建立擁有七種元素(C, H, N, Cs, Pb, I, Br)之鈣鈦礦勢能模型，以利快速計算出其他不同比例之鈣鈦礦物理性質，且計算不會因尺寸大小所侷限，該神經網路之勢能模型可以計算出系統性質以及結構優化，受惠於此模型計算速度比第一原理計算快速許多，故吾人可以計算範圍內所有不同摻雜比例的鈣鈦礦，藉此找出最穩定之摻雜比例。 最後，吾人將以貝葉斯優化法來找出特定摻雜比例，在此研究搜索目標為混合能，混合能可以判斷系統是否容易有分相的情況，以該方法可以在全比例中快速搜索出想要的比例。"