Ny teknik muliggør hurtig screening for nye typer solceller

Forskeres verdensomspændende søgen efter at finde bedre, mere effektive materialer til morgendagens solpaneler er normalt langsom og omhyggelig. Forskere skal typisk producere laboratorieprøver - som ofte er sammensat af flere lag af forskellige materialer bundet sammen - til omfattende test.

Nu, et team på MIT og andre institutioner har fundet på en måde at omgå så dyre og tidskrævende fremstilling og test, giver mulighed for en hurtig screening af langt flere variationer, end det ville være praktisk gennem den traditionelle tilgang.

Den nye proces kunne ikke blot fremskynde søgen efter nye formuleringer, men også gøre et mere præcist arbejde med at forudsige deres præstationer, forklarer Rachel Kurchin, en MIT kandidatstuderende og medforfatter til et papir, der beskriver den nye proces, der vises i denne uge i tidsskriftet Joule . Traditionelle metoder "kræver ofte, at du laver en specialiseret prøve, men det adskiller sig fra en faktisk celle og er muligvis ikke fuldt ud repræsentativ" for en rigtig solcelles ydeevne, hun siger.

For eksempel, typiske testmetoder viser adfærden hos "majoritetstransportører, " de fremherskende partikler eller ledige områder, hvis bevægelse frembringer en elektrisk strøm gennem et materiale. Men i tilfælde af fotovoltaiske (PV) materialer, Kurchin forklarer, det er faktisk minoritetsbærerne – dem der er langt mindre rigelige i materialet – der er den begrænsende faktor i en enheds samlede effektivitet, og de er meget sværere at måle. Ud over, typiske procedurer måler kun strømmen af ​​strøm i ét sæt retninger - inden for planet af et tyndfilmsmateriale - hvorimod det er op-ned flow, der faktisk udnyttes i en fungerende solcelle. I mange materialer, det flow kan være "drastisk anderledes, "gør det afgørende at forstå for at kunne karakterisere materialet korrekt, hun siger.

"Historisk set, hastigheden for udvikling af nye materialer er langsom - typisk 10 til 25 år, " siger Tonio Buonassisi, en lektor i maskinteknik ved MIT og seniorforfatter af papiret. "En af de ting, der gør processen langsom, er den lange tid, det tager at fejlfinde tidlige stadier af prototypeenheder, " siger han. "At udføre karakterisering tager tid - nogle gange uger eller måneder - og målingerne har ikke altid den nødvendige følsomhed til at bestemme årsagen til eventuelle problemer."

Så, Buonassisi siger, "bundlinjen er, hvis vi ønsker at accelerere tempoet i udviklingen af ​​nye materialer, det er bydende nødvendigt, at vi finder ud af hurtigere og mere nøjagtige måder at fejlfinde vores materialer og prototypeenheder på." Og det er, hvad teamet nu har opnået. De har udviklet et sæt værktøjer, der kan bruges til at gøre nøjagtige, hurtige vurderinger af foreslåede materialer, ved hjælp af en række relativt simple laboratorietests kombineret med computermodellering af selve materialets fysiske egenskaber, samt yderligere modellering baseret på en statistisk metode kendt som Bayesiansk inferens.

Systemet involverer at lave en simpel testenhed, derefter måle dens strømudgang under forskellige belysningsniveauer og forskellige spændinger, at kvantificere præcis, hvordan ydeevnen varierer under disse skiftende forhold. Disse værdier bruges derefter til at forfine den statistiske model.

"Efter at vi har opnået mange strømspændingsmålinger [af prøven] ved forskellige temperaturer og belysningsintensiteter, vi skal finde ud af, hvilken kombination af materialer og grænsefladevariabler, der passer bedst til vores sæt af målinger, Buonassisi forklarer. "At repræsentere hver parameter som en sandsynlighedsfordeling giver os mulighed for at tage højde for eksperimentel usikkerhed, og det giver os også mulighed for at finde ud af, hvilke parametre der samvarierer."

Den Bayesianske inferensproces gør det muligt at opdatere estimaterne for hver parameter baseret på hver ny måling, gradvist at forfine estimaterne og komme tættere på det præcise svar, han siger.

Når man søger en kombination af materialer til en bestemt type anvendelse, Kurchin siger, "vi tilføjer alle disse materialers egenskaber og grænsefladeegenskaber, og det vil fortælle dig, hvordan outputtet vil se ud."

Systemet er simpelt nok til at selv for materialer, der har været mindre velkarakteriseret i laboratoriet, "vi er stadig i stand til at køre dette uden enorme computeroverhead." Og, Kurchin siger, at bruge beregningsværktøjerne til at screene mulige materialer vil være mere og mere nyttigt, fordi "laboratorieudstyr er blevet dyrere, og computere er blevet billigere. Denne metode giver dig mulighed for at minimere din brug af kompliceret laboratorieudstyr."

Den grundlæggende metode, Buonassisi siger, kan anvendes til en lang række forskellige materialeevalueringer, ikke kun solceller – faktisk, det kan gælde for ethvert system, der involverer en computermodel til output af en eksperimentel måling. "For eksempel, denne tilgang udmærker sig ved at finde ud af, hvilket materiale eller grænsefladeegenskab der kan begrænse ydeevnen, selv for komplekse stakke af materialer som batterier, termoelektriske enheder, eller kompositter brugt i tennissko eller flyvinger." Og, tilføjer han, "Det er især nyttigt til forskning i tidlige stadier, hvor mange ting kan gå galt på én gang."

Fremadrettet, han siger, "vores vision er at forbinde denne hurtige karakteriseringsmetode med de hurtigere materialer og enhedssyntesemetoder, vi har udviklet i vores laboratorium." Ultimativt, han siger, "Jeg håber meget på kombinationen af ​​high-throughput computing, automatisering, og maskinlæring vil hjælpe os med at accelerere udviklingen af ​​nye materialer med mere end en faktor fem. Dette kunne være transformerende, bringer tidslinjerne for nye materialevidenskabelige opdagelser ned fra 20 år til omkring tre til fem år."