人工智能技术帮助科学家增强高效太阳能电池的制造程序，为其他各种研究领域提供蓝图。
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通常由硅制成的传统太阳能电池合并。 这种创新方法站在太阳能技术的最前沿，效率高达33%，远远超过标准硅太阳能电池。
此外，它们使用廉价的原材料并且易于制造。 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品位的多晶薄层，没有任何缺陷或孔洞，这是最大的挑战之一，”终身教授Ulrich W. Paetzold说，他在微结构技术研究所和KIT光技术研究所进行研究。
即使在看似完美的实验室条件下，也可能存在导致半导体层质量变化的未知因素：“这一缺点最终会阻止这些高效太阳能电池的工业规模生产的快速启动，而这些太阳能电池对于能源周转非常需要，”Paetzold解释说。
人工智能发现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亥姆霍兹成像公司的机器学习和可解释人工智能（XAI）专家以及海德堡DKFZ的亥姆霍兹人工智能专家联手。
研究人员开发了人工智能方法，使用庞大的数据集训练和分析神经网络。 该数据集包括视频记录，显示了制造过程中薄钙钛矿层的光致发光。 光致发光是指被外部光源激发的半导体层的辐射发射。
“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，以从视频中的数百万个数据项中检测出隐藏的涂层良好或不良的迹象，”DKFZ亥姆霍兹成像公司的Lukas Klein和Sebastian Ziegler解释说。
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，研究人员随后依靠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，并且这种现象对涂层质量有影响。
“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质量的太阳能电池，”Klein和Ziegler说。这不是通常的方法。在大多数情况下，XAI 仅用作一种护栏，以避免在构建 AI 模型时出错。
“这是一种范式的改变：以如此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。
事实上，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训练后，人工智能能够预测每个太阳能电池是会达到低效率还是高效率，这取决于在制造过程中的哪个点发生的光发射变化。
“这些都是非常令人兴奋的结果，”Ulrich W. Paetzold强调说。“多亏了人工智能的综合使用，我们有了坚实的线索，知道首先需要改变哪些参数来提高产量。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。
暂无评论内容