Quelle: pv magazine

US-Forscher verwenden einen Datenfusionsansatz, um die stabilsten Perowskite für PV-Zellen zu identifizieren. Ihre Methode des maschinellen Lernens kombiniert Perowskit-Testergebnisse mit physikalischer Modellierung nach den ersten Prinzipien, um die besten Kandidaten zu identifizieren.
Wissenschaftler des Massachusetts Institute of Technology haben einen neuen Ansatz vorgeschlagen, um die besten Perowskite für Solarzellenanwendungen zu identifizieren, abhängig von spezifischen Zielen wie Langlebigkeit, Effizienz und Herstellbarkeit sowie der Verfügbarkeit von Ausgangsmaterialien, die die Hersteller erreichen wollen.
Ihre Ergebnisse stellten die Wissenschaftler in „A data fusion approach to optimizing Compositional Stabilität of Halogenid Perovskites“ vor, das kürzlich in Matter veröffentlicht wurde. Sie beschrieben den Ansatz als einen physikalisch eingeschränkten sequentiellen Lernrahmen, um die stabilsten legierten organisch-anorganischen Perowskite zu identifizieren.
Die US-Forscher sagten, dass Perowskite eine Vielzahl von Materialien umfassen, die sich durch die Anordnung der Atome in ihrem geschichteten Kristallgitter voneinander unterscheiden. Diese Schichten, die allgemein als A, B und X bezeichnet werden, können jeweils aus unterschiedlichen Atomen oder Verbindungen bestehen.
„Wenn man nur drei Elemente betrachtet, sind die häufigsten Elemente in Perowskiten, die von Menschen ein- und ausgelagert werden, an der A-Stelle der Perowskit-Kristallstruktur“, sagte der Forscher Tonio Buonassisi und fügte hinzu, dass diese Elemente um 1 % variiert werden können in ihrer relativen Zusammensetzung. „Die Anzahl der Schritte wird einfach absurd. Es wird sehr, sehr groß und damit unpraktisch, systematisch zu durchsuchen.“
Die vorgeschlagene Methode, die auf maschinellem Lernen basiert, kombiniert Daten aus unterschiedlichen Quellen in einem Data-Fusion-Ansatz. Es verwendet ein automatisiertes System, um die Produktion und das Testen einer Reihe von Perowskit-Formulierungen zu steuern und kombiniert dann die Ergebnisse mit der ersten physikalischen Modellierung, um die nächste Runde von Experimenten zu leiten. Diesen Vorgang wiederholen die Wissenschaftler mehrmals, bis die Ergebnisse verfeinert sind.
Bisher hat die Gruppe etwa 2 % der möglichen Kombinationen aus drei Komponenten synthetisiert und getestet. Die Wissenschaftler behaupten, dass sie bereits die bisher haltbarste Formulierung für Perowskit-Solarzellenmaterialien identifiziert haben. Mit diesem Material stellten sie auch einen kleinen Chip her und platzierten ihn in einer bestehenden Solarzelle und fanden heraus, dass es die Stabilität des Geräts um mehr als das Dreifache erhöhen kann, ohne die Leistungsumwandlungseffizienz zu beeinträchtigen.
„Ein weiterer Punkt dieser Arbeit ist, dass wir tatsächlich demonstrieren, von der chemischen Auswahl bis zur Herstellung einer Solarzelle am Ende“, sagte der Forscher Shijing Sun. „Und es sagt uns, dass die vom maschinellen Lernen vorgeschlagene Chemikalie nicht nur in ihrer eigenen freistehenden Form stabil ist. Sie lassen sich auch in reale Solarzellen übersetzen und führen zu einer verbesserten Zuverlässigkeit.“









