由于一种新的机器学习系统，钙钛矿太阳能电池的优化生产可以加快。鸣谢:太阳能电池的照片，作者是斯坦福大学的尼古拉斯·罗尔斯顿，由麻省理工学院新闻编辑。麻省理工学院克里斯汀丹尼洛夫的钙钛矿插图。钙钛矿是一种材料，目前是潜在取代当今硅基太阳能光伏电池的主要竞争者。它们有望使太阳能电池板变得更薄更轻，可以在室温下而不是几百度的高温下以超高的产量制造，而且更便宜，更容易运输和安装。但是，将这些来自受控实验室实验的材料转化为可以有竞争力地生产的产品是一场长期的斗争。制造钙钛矿型太阳能电池需要同时优化至少一打左右的变量，即使是在许多可能性中的一种特定制造方法中。但是，一个基于机器学习新方法的新系统可以加快优化生产方法的发展，并有助于实现下一代太阳能发电。
该系统是由麻省理工学院和斯坦福大学的研究人员在过去几年中开发的，它可以将先前实验的数据和基于经验丰富的工人个人观察的信息集成到机器学习过程中。这使得结果更加准确，并已导致钙钛矿电池的制造，其能量转换效率为18.5%，这是当今市场的竞争水平。
这项研究今天发表在Joule杂志上，论文由麻省理工学院机械工程教授Tonio Buonassisi，斯坦福大学材料科学与工程教授Reinhold Dauskardt，麻省理工学院最近的研究助理刘哲，斯坦福大学博士研究生Nicholas Rolston和其他三人发表。
钙钛矿是一组层状晶体化合物，由其晶格中的原子构型决定。这种可能的化合物有成千上万种，而且有许多不同的制造方法。虽然大多数实验室规模的钙钛矿材料开发使用旋涂技术，但这对于大规模制造并不实用，因此世界各地的公司和实验室一直在寻找将这些实验室材料转化为实用、可制造产品的方法。
现任亚利桑那州立大学助理教授的罗尔斯顿说:“当你试图进行实验室规模的过程，然后将其转移到初创企业或生产线上时，总是会遇到很大的挑战。”该团队研究了一种他们认为最有潜力的工艺，一种称为快速喷雾等离子体处理或RSPP的方法。
制造过程将包括移动的卷对卷表面或一系列片材，当片材滚动时，钙钛矿化合物的前体溶液将被喷射或喷墨到该表面上。罗尔斯顿说，这种材料随后将进入固化阶段，提供快速连续的输出，“其产量高于任何其他光伏技术”。
“这个平台的真正突破是，它让我们能够以其他材料无法做到的方式进行扩展，”他补充道。“即使是像硅这样的材料，也需要更长的时间，因为已经完成了加工。而你可以把这种方法想象成更像喷漆。”
在这个过程中，至少有十几个变量可能会影响结果，其中一些变量比其他变量更容易控制。这些因素包括起始材料的组成、温度、湿度、加工路径的速度、用于将材料喷涂到基材上的喷嘴的距离以及固化材料的方法。这些因素中的许多因素可以相互作用，并且如果该过程是在露天进行的，那么例如湿度可能是不受控制的。通过实验评估这些变量的所有可能组合是不可能的，因此需要机器学习来帮助指导实验过程。
但是，尽管大多数机器学习系统使用原始数据，如测试样本的电气和其他属性的测量结果，但它们通常不会纳入人类经验，如实验人员对测试样本的视觉和其他属性进行的定性观察，或其他研究人员报告的其他实验的信息。因此，该团队找到了一种将这种外部信息纳入机器学习模型的方法，使用了一种基于称为贝叶斯优化的数学技术的概率因子。
他说，使用这个系统，“有了一个来自实验数据的模型，我们可以发现以前看不到的趋势。”例如，他们最初很难适应周围环境中不受控制的湿度变化。但是这个模型向他们展示了“我们可以通过改变温度和其他旋钮来克服湿度的挑战。”
该系统现在允许实验者更快地指导他们的过程，以便针对一组给定的条件或所需的结果进行优化。Buonassisi说，在他们的实验中，团队专注于优化功率输出，但该系统也可以用于同时纳入其他标准，如成本和耐用性——团队成员正在继续努力。
赞助这项工作的能源部鼓励研究人员将这项技术商业化，他们目前正专注于向现有的钙钛矿制造商转移技术。Buonassisi说，“我们现在正在接触公司”，他们开发的代码已经通过开源服务器免费提供。“它现在在GitHub上，任何人都可以下载，任何人都可以运行，”他说。“我们很乐意帮助公司开始使用我们的代码。”
目前就职于中国西安西北工业大学的刘(音)说，已经有几家公司准备生产钙钛矿型太阳能电池板，尽管他们仍在研究如何生产的细节。他说，那里的公司还没有进行大规模生产，而是从较小的高价值应用开始，如建筑一体化太阳能瓦片，外观很重要。他表示，其中三家公司“正在或正在投资者的推动下，在两年内制造1米乘2米的矩形模块(相当于今天最常见的太阳能电池板)”。
问题是，他们对使用什么样的制造技术没有共识，”刘说。他说，斯坦福大学开发的RSPP方法“仍有很大机会”具有竞争力。该团队开发的机器学习系统可能在指导优化最终使用的任何流程方面发挥重要作用。
他说:“主要目标是加速这一过程，这样就需要更少的时间、更少的实验和更少的人力来开发一些立即可用的、免费的、用于工业的东西。”
“机器学习驱动的钙钛矿光伏制造的现有工作主要集中在旋涂上，这是一种实验室规模的技术，”多伦多大学的大学教授Ted Sargent说，他没有参与这项工作，他说这展示了“一种易于适应主导薄膜行业的沉积技术的工作流程。只有少数几个团队同时拥有工程和计算方面的专业知识来推动这种进步。”萨金特补充说，这种方法“可能是制造更广泛材料家族的一个令人兴奋的进步”，包括led，其他光伏技术和石墨烯，“简而言之，任何使用某种形式的气相或真空沉积的行业。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
