在人工智能技术的帮助下，研究人员正在努力改进高效钙钛矿太阳能电池的制造工艺。来源:Amadeus Bramsiepe, KIT
人工智能技术帮助科学家们改进高效太阳能电池的制造过程，为其他各种研究领域提供了蓝图。
钙钛矿串联太阳能电池代表了一种先进的混合技术，将钙钛矿太阳能电池与传统的太阳能电池(通常由硅制成)结合在一起。这种创新的方法站在太阳能技术的最前沿，提供了超过33%的令人印象深刻的效率，大大超过了标准的硅太阳能电池。
此外，它们使用廉价的原材料，易于制造。为了达到这种效率水平，必须生产一种极薄的高级钙钛矿层，其厚度仅为人类头发的一小部分。
“使用低成本和可扩展的方法制造这些高等级、无缺陷或无孔的多晶薄层是最大的挑战之一，”在KIT微结构技术研究所和光技术研究所进行研究的终身教授Ulrich W. Paetzold说。
即使在看似完美的实验室条件下，也可能存在未知因素导致半导体层质量的变化:“这个缺点最终会阻碍这些高效太阳能电池的工业规模生产的快速启动，而这些电池对于能源周转是如此迫切需要，”Paetzold解释说。
人工智能发现了有效涂层的隐藏迹象
为了找到影响涂层的因素，由KIT钙钛矿太阳能电池专家组成的跨学科团队与海德堡DKFZ亥姆霍兹成像和亥姆霍兹人工智能的机器学习和可解释人工智能(Xai)专家合作。
研究人员开发了使用庞大数据集训练和分析神经网络的人工智能方法。该数据集包括在制造过程中显示薄钙钛矿层光致发光的视频记录。光致发光是指被外部光源激发的半导体层的辐射发射。
DKFZ亥姆霍兹成像公司的Lukas Klein和Sebastian Ziegler解释说:“由于即使是专家也无法在薄层上看到任何特别的东西，因此这个想法诞生了，用于训练机器学习(深度学习)的人工智能系统，以从视频上的数百万个数据项中检测涂层好坏的隐藏迹象。”
为了过滤和分析深度学习人工智能系统输出的广泛分散的指示，研究人员随后依赖于可解释人工智能的方法。
“后续研究蓝图”
研究人员通过实验发现，光致发光在生产过程中会发生变化，这种现象对涂层质量有影响。
Klein和Ziegler说:“我们工作的关键是有针对性地使用XAI方法，看看哪些因素必须改变才能获得高级太阳能电池。”这不是通常的做法。在大多数情况下，XAI只是用作一种护栏，以避免在构建AI模型时出现错误。
“这是一种范式的改变:以这种系统的方式获得材料科学中高度相关的见解是一种全新的体验。”
正是从光致发光变化中得出的结论使研究人员能够采取下一步行动。在对神经网络进行相应的训练后，人工智能能够根据制造过程中发生的发光变化来预测每个太阳能电池的效率是低还是高。
“这些是非常令人兴奋的结果，”Ulrich W. Paetzold强调说。“由于人工智能的结合使用，我们有了一个坚实的线索，并知道哪些参数需要首先改变以提高产量。现在我们能够以更有针对性的方式进行实验，不再被迫蒙着眼睛在大海捞针。这是后续研究的蓝图，也适用于能源研究和材料科学的许多其他方面。”
参考:“用可解释的AI发现可扩展钙钛矿太阳能电池制造的过程动力学”，作者:Lukas Klein, Sebastian Ziegler, Felix Laufer, Charlotte Debus, Markus G?tz, Klaus Maier-Hein, Ulrich W. Paetzold, Fabian Isensee和Paul F. J?ger, 2023年10月30日，Advanced Materials。DOI: 10.1002 / adma.202307160
分享
推特
电子邮件
分享
以前的文章
更多关于sciitechdaily
地球
地球
生物学
地球
地球
地球
地球
科学
