Aller au contenu principal
Accès ouvert déclaré 2025 article

Machine-Learning Force Fields Reveal Shallow Electronic States on Dynamic Halide Perovskite Surfaces

9Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés

Rattachement africain : de, il. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

High Resolution Image Download MS PowerPoint Slide Previous studies indicated that defects in halide perovskites can generate shallow electronic states, which are crucial for their performance in devices. However, how shallow states persist amid pronounced atomic dynamics on halide perovskite surfaces remains unknown. We reveal that electronic states at surfaces of prototypical CsPbBr 3 are energetically distributed at room temperature, akin to well-passivated inorganic semiconductors, despite the presence of undercoordinated atoms and cleaved bonds. Notably, approximately 70% of surface-state energies appear within 0.2 eV of the valence-band edge. Although deep states can still form, they are rarely energetically isolated and are less likely to act as traps. Accelerating first-principles calculations via machine learning, we show that the unique atomic dynamics in halide perovskites render the formation of deep electronic states at their surfaces unlikely. These findings reveal the microscopic mechanism behind the low density of deep states at dynamic halide perovskite surfaces, which is key to their device performance.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Machine-Learning Force Fields Reveal Shallow Electronic States on Dynamic Halide Perovskite Surfaces
Date Crossref
23/06/2025
Éditeur
American Chemical Society (ACS)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Machine Learning in Materials SciencePerovskite Materials and ApplicationsElectronic and Structural Properties of Oxides

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.