麻省理工以人工智能助力钙钛矿规模化生产
发布日期：2022/4/19
据麻省理工学院新闻网报道，美国工程师研究以人工智能来帮助扩大新一代太阳能电池制造业。麻省理工学院机械工程教授Tonio Buonassisi、斯坦福大学材料科学和工程教授Reinhold Dauskardt、麻省理工学院最近的研究助理Zhe Liu、斯坦福大学博士生Nicholas Rolston和等人的论文中报道了这项研究。
在光伏电池中，钙钛矿材料优于硅，但大规模制造此类电池面临巨大挑战，机器学习可以提供帮助。
钙钛矿是目前可能取代当今硅基太阳能光伏电池的主要竞争技术，面板更薄、更轻，可以在室温下制造，并且更便宜、更容易运输和安装。但是，将这些材料从实验室中变成具有竞争力的产品中是一场漫长的过程。制造基于钙钛矿的太阳能电池涉及同时优化至少十几个变量，基于机器学习方法的新系统可以加快优化生产方法的开发，使得下一代太阳能成为现实。
该系统由麻省理工学院和斯坦福大学的研究人员在过去几年中开发，可以将之前实验的数据和基于经验丰富的工人个人观察的信息集成到机器学习过程中。这使得结果更加准确，制造能量转换效率为18.5%的钙钛矿电池，达到当今市场的竞争水平。
钙钛矿是一组分层晶体化合物，虽然大多数实验室规模开发都使用旋转涂层技术，但这对大规模制造并不实用，因此世界各地的公司和实验室一直在寻找将这些实验室材料转化为实用、可制造的产品的方法。麻省理工团队研究了他们认为潜力最大的工艺过程，一种称为快速喷雾等离子体处理（RSPP）的方法。制造过程涉及钙钛矿化合物的前体溶液，然后进入固化阶段，提供快速和持续的产出，高于任何其他光伏技术。
在这个过程中，至少有十几个变量可能会影响结果，包括起始材料的成分、温度、湿度、加工路径的速度，以及固化材料的方法。其中许多因素可以相互作用，通过实验评估这些变量的所有可能组合是不可能的，因此需要机器学习来帮助指导实验过程。
但是，虽然大多数机器学习系统使用原始数据，例如测量测试样本的电气和其他特性，但通常不包含人类经验，例如实验者对测试样本的视觉和其他属性的定性观察，或其他研究人员报告的其他实验的信息。因此，该团队找到了一种方法，使用基于贝叶斯优化的数学技术的概率因子将此类外部信息纳入机器学习模型。
赞助这项工作的美国能源部鼓励研究人员将该技术商业化，向现有的钙钛矿制造商转让技术。已经有几家公司在准备生产钙钛矿太阳能电池板，从较小、高价值的应用开始，例如建筑集成的太阳能瓷砖；在两年内可以制造1米乘2米的光伏面板。
来源： 国际能源小数据
