Métodos de Big Data para ajustar perovskitas às propriedades alvo: ligas, defeitos e dopagem

Resumo

Perovskitas híbridas compreendem um conjunto de materiais que tem sido altamente estudadopara aplicações em células solares, LEDs e outros dispositivos eletrônicos. São materiais de fácil síntese, baixo custo e com eficiência que as tornam a grande promessa dos tempos atuais para a geração de energia limpa e substituir a atual tecnologia baseada em silício. Apesar do grande número de estudos sobre suas propriedades, ainda há inúmeros aspectos de sua natureza que não são bem compreendidos, e a maioria tange a estabilidade destes materiais. Largas variações de temperatura, exposição a umidade ou ar, e grande tempo na presença de luz são fatores externos, que quando combinados com a baixa energia de formação de defeitos pontuais, resultam na volatilização da molécula orgânica, segregação do metal, mudança de fase cristalina, transporte de íons entre outros problemas. Além disso os materiais mais eficientes possuem chumbo em sua composição, o que é extremamente prejudicial para o meio ambiente. A solução para boa parte destes problemas está no estudo de ligas de Perovskitas. As ligas são conhecidas por aumentar a estabilidade do material, reduzir a quantidade de chumbo e também abre portas para a engenharia de band gap, extremamente importante para a eficiência de células solares. Sendo assim, este projeto envolve métodos computacionais baseados na teoria do funcional da densidade de alto desempenho e com grande volume de dados (big data) para buscar maneiras de entender as perovskitas de haletos com relação às propriedades alvo: maior estabilidade e menor quantidade de elemento tóxico como o chumbo. O estudo utiliza de métodos high throughput em perovskitas de haletos simples ou ligas para analisar os defeitos pontuais, dopantes, e interação com a luz. (AU)