ソース: pvマガジン
米国の研究者は、データ融合アプローチを使用して、PV細胞の最も安定したペロブスカイトを同定しています。彼らの機械学習方法は、ペロブスカイトのテスト結果と第一原理の物理モデリングを組み合わせて、最良の候補を特定します。
マサチューセッツ工科大学の科学者たちは、長寿、効率性、生産性などの特定の目標、およびメーカーが達成することを目指すソース材料の入手可能性に応じて、太陽電池用途に最適なペロブスカイトを特定するための新しいアプローチを提案しました。
科学者たちは、最近Matterに掲載された「ハロゲン化物ペロブスカイトの組成安定性を最適化するためのデータ融合アプローチ」で彼らの発見を発表しました。彼らは、このアプローチを、最も安定した合金化有機無機ペロブスカイトを同定するための物理学的制約された逐次学習フレームワークとして説明した。
米国の研究者は、ペロブスカイトは、原子が層状結晶格子に配置される方法によって互いに異なる材料の広い範囲が含まれると言いました。これらの層は、一般にA、B、およびXとして記述され、それぞれ異なる原子または化合物から構成され得る。
「わずか3つの要素を考えると、人々が出入りするペロブスカイトの中で最も一般的なものは、ペロブスカイト結晶構造のAサイトにあります」と、研究者のトニオ・ブオナッシジは、これらの要素は相対的な組成の1%の増加によって変化することができると付け加えました。「歩数は非常識になる。非常に大きくなり、体系的に検索することは現実的ではありません。
機械学習に基づく提案された方法は、データフュージョンアプローチで異なるソースからのデータを組み合わせます。これは、ペロブスカイト製剤の生産と試験を導くために自動化されたシステムを使用し、その結果を第一原理物理モデリングと組み合わせて、次の実験を導きます。科学者たちは、結果が洗練されるまで、このプロセスを数回繰り返します。
これまで、グループは3つの成分の間で可能な組み合わせの約2%を合成し、テストした。科学者たちは、ペロブスカイト太陽電池材料の最も耐久性のある製剤を既に特定したと主張している。この材料により、小型チップを製造して既存の太陽電池に入れ、電力変換効率を損なうことなく、デバイスの安定性を3倍以上高めることができることを発見しました。
「この研究のもう一つのポイントは、化学選択から最終的に太陽電池を実際に作るまで、実際に実証することです」と研究者のShijing Sun氏は述べています。また、実際の太陽電池に翻訳することも可能で、信頼性の向上につながります。
