Πηγή: περιοδικό pv
Αμερικανοί ερευνητές χρησιμοποιούν μια προσέγγιση σύντηξης δεδομένων για να εντοπίσουν τα πιο σταθερά perovskites για τα φωτοβολταϊκά κύτταρα. Η μέθοδος μηχανικής μάθησης συνδυάζει τα αποτελέσματα των εξετάσεων perovskite με τη φυσική μοντελοποίηση των πρώτων αρχών για τον προσδιορισμό των καλύτερων υποψηφίων.
Οι επιστήμονες στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης πρότειναν μια νέα προσέγγιση για τον προσδιορισμό των καλύτερων perovskites για εφαρμογές ηλιακών κυττάρων, ανάλογα με συγκεκριμένους στόχους όπως η μακροζωία, η αποτελεσματικότητα και η ικανότητα, καθώς και η διαθεσιμότητα των πρώτων υλικών που οι κατασκευαστές στοχεύουν να επιτύχουν.
Οι επιστήμονες παρουσίασαν τα ευρήματά τους στην "Προσέγγιση σύντηξης δεδομένων για τη βελτιστοποίηση της σταθερότητας της σύνθεσης των περόβσκι αλογονιδίων", η οποία δημοσιεύθηκε πρόσφατα στο Matter. Περιέγραψαν την προσέγγιση ως ένα πλαίσιο διαδοχικής μάθησης που περιορίζεται από τη φυσική για να εντοπίσει τα πιο σταθερά κράματα οργανικών-ανόργανων perovskites.
Οι αμερικανοί ερευνητές είπαν ότι τα perovskites περιλαμβάνουν ένα ευρύ φάσμα υλικών που διαφέρουν μεταξύ τους από τον τρόπο με τον οποίο τα άτομα είναι τοποθετημένα στο πολυεπίπεδο κρυσταλλικό πλέγμα τους. Αυτά τα στρώματα, τα οποία περιγράφονται συνήθως ως A, B και X, μπορούν το καθένα να αποτελείται από διαφορετικά άτομα ή ενώσεις.
"Εάν εξετάσετε ακόμη και μόνο τρία στοιχεία, τα πιο συνηθισμένα σε perovskites που οι άνθρωποι υποβρυχίουν μέσα και έξω είναι στην περιοχή Α της κρυσταλλικής δομής perovskite", δήλωσε ο ερευνητής Tonio Buonassisi, προσθέτοντας ότι αυτά τα στοιχεία μπορούν να διαφοροποιηθούν από μια αύξηση 1% στη σχετική σύνθεσή τους. "Ο αριθμός των βημάτων γίνεται απλά παράλογος. Γίνεται πολύ, πολύ μεγάλο και ως εκ τούτου ανέφικτο να ερευνούν συστηματικά.»
Η προτεινόμενη μέθοδος, η οποία βασίζεται στη μηχανική μάθηση, συνδυάζει δεδομένα από διαφορετικές πηγές σε μια προσέγγιση σύντηξης δεδομένων. Χρησιμοποιεί ένα αυτοματοποιημένο σύστημα για να καθοδηγήσει την παραγωγή και τη δοκιμή μιας σειράς σκευασμάτων perovskite και στη συνέχεια συνδυάζει τα αποτελέσματα με τη φυσική μοντελοποίηση των πρώτων αρχών, για να καθοδηγήσει τον επόμενο γύρο πειραμάτων. Οι επιστήμονες επαναλαμβάνουν αυτή τη διαδικασία αρκετές φορές μέχρι να τελειοποιηθούν τα αποτελέσματα.
Μέχρι στιγμής, η ομάδα έχει συνθέσει και δοκιμάσει περίπου το 2% των πιθανών συνδυασμών μεταξύ τριών συστατικών. Οι επιστήμονες ισχυρίζονται ότι έχουν ήδη εντοπίσει την πιο ανθεκτική σύνθεση για τα υλικά ηλιακών κυττάρων perovskite μέχρι σήμερα. Με αυτό το υλικό, κατασκεύασαν επίσης ένα μικρό τσιπ και το τοποθέτησαν σε ένα υπάρχον ηλιακό κύτταρο και ανακάλυψαν ότι μπορεί να αυξήσει τη σταθερότητα της συσκευής κατά περισσότερες από τρεις φορές, χωρίς να θέσει σε κίνδυνο την αποδοτικότητα μετατροπής ισχύος.
«Ένα άλλο σημείο αυτής της εργασίας είναι ότι στην πραγματικότητα αποδεικνύουμε, σε όλη τη διαδρομή από τη χημική επιλογή μέχρι να κάνουμε πραγματικά ένα ηλιακό κύτταρο στο τέλος», δήλωσε ο ερευνητής Shijing Sun. «Και μας λέει ότι η χημική ουσία που προτείνεται από τη μηχανική μάθηση δεν είναι μόνο σταθερή στη δική της ελεύθερη μορφή. Μπορούν επίσης να μεταφραστούν σε πραγματικά ηλιακά κύτταρα και οδηγούν σε βελτιωμένη αξιοπιστία."
