科学探索|MIT开发新人工智能系统 能帮助扩大先进太阳能电池的生产规模

在光伏电池中,钙钛矿材料将优于硅,但大规模地制造这种电池是一个巨大的障碍 。麻省理工学院(MIT)研究人员开发的一个机器学习系统将可以提供帮助 。

科学探索|MIT开发新人工智能系统 能帮助扩大先进太阳能电池的生产规模
文章图片

钙钛矿是一个材料系列,目前是取代当今广泛使用的硅基太阳能光伏的主要竞争者 。它们有希望被用于制造更轻更薄的电池板,可以在室温下以超高产量制造,而不是在几百度的高温下,而且运输和安装都更容易和更便宜 。但是,将这些材料从小型实验室实验转化为可以有竞争力地制造的产品,一直是一场旷日持久的斗争 。
生产基于钙钛矿的太阳能电池需要同时优化至少十几个变量,即使是在众多可能性中的一个特定的制造方法中 。然而,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,并帮助下一代太阳能发电成为现实 。
该系统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,使其有可能将先前的实验数据以及基于有经验的工人的个人观察的信息整合到机器学习过程中 。这使得结果更加准确,并且已经促成了能量转换效率为18.5%的钙钛矿电池的制造,这对于今天的市场来说是一个有竞争力的水平 。
这项研究最近发表在《焦耳》杂志上,论文作者是麻省理工学院机械工程教授Tonio Buonassisi、斯坦福大学材料科学和工程教授 Reinhold Dauskardt、麻省理工学院最近的研究助理刘哲、斯坦福大学博士毕业生 Nicholas Rolston和其他三人 。
钙钛矿是一组层状结晶化合物,由其晶格中的原子构型决定 。有数以千计的这种可能的化合物和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的开发使用旋涂技术,但这对于更大规模的制造来说并不实用,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 。
【科学探索|MIT开发新人工智能系统 能帮助扩大先进太阳能电池的生产规模】
科学探索|MIT开发新人工智能系统 能帮助扩大先进太阳能电池的生产规模
文章图片

现在是亚利桑那州立大学副教授的Rolston说:“当你试图采用实验室规模的工艺,然后将其转移到像初创企业或制造生产线上时,总是有一个很大的挑战 。”该团队研究了一个他们认为最有潜力的工艺,一种叫做快速喷射等离子体加工的方法,或称RSPP 。
该制造工艺将涉及一个移动的卷对卷表面,或一系列板材,当板材滚动时,过氧化物化合物的前体溶液将被喷涂或喷墨在上面 。然后材料将进入固化阶段,提供快速和连续的输出,“其产量高于任何其他光伏技术,”Rolston说 。
他补充说:“这个平台的真正突破是,它将使我们能够以一种其他材料无法做到的方式进行扩展 。即使像硅这样的材料也需要更长的时间框架,因为要进行加工 。而你可以认为(这种方法更)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 。这些变量包括起始材料的成分、温度、湿度、加工路径的速度、用于将材料喷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影响,如果加工过程是在露天,那么湿度,例如,可能是无法控制的 。通过实验评估这些变量的所有可能组合是不可能的,所以需要机器学习来帮助指导实验过程 。
但是,虽然大多数机器学习系统使用的是原始数据,如对测试样品的电气和其他属性的测量,但它们通常不会纳入人类的经验,如实验者对测试样品的视觉和其他属性的定性观察,或其他研究人员报告的其他实验的信息 。因此,该团队找到了一种方法,将这种外部信息纳入机器学习模型,使用基于一种叫做贝叶斯优化的数学技术的概率系数 。