دانشمندان MIT آشکار روش برای شناسایی Perovskites پایدار

- Apr 04, 2021-

منبع: مجله پی وی


MIT Scientists Reveal Method To Identify Stable Perovskites 8


محققان آمریکایی از یک رویکرد همجوشی داده ها برای شناسایی پایدارترین پرفسکیت ها برای سلول های PV استفاده می کنند. روش یادگیری ماشینی آن ها نتایج آزمون پروفسکیت را با مدل سازی فیزیکی اصول اول ترکیب می کند تا بهترین نامزدها را شناسایی کند.


دانشمندان موسسه فناوری ماساچوست رویکرد جدیدی را برای شناسایی بهترین پروفسکیت ها برای کاربردهای سلول های خورشیدی، بسته به اهداف خاصی مانند طول عمر، کارایی، و تولید پذیری و همچنین در دسترس بودن مواد منبعی که تولیدکنندگان هدف آن ها رسیدن به آن ها است، پیشنهاد کرده اند.


دانشمندان یافته های خود را در «رویکرد همجوشی داده ها برای بهینه سازی ثبات ترکیب پروفسکیت های هالید» ارائه کردند که به تازگی در ماده منتشر شده است. آن ها این رویکرد را یک چارچوب یادگیری توالی محدود به فیزیک برای شناسایی پایدارترین پروفسکیت های آلی-آلی آلی پایدار توصیف کردند.


محققان آمریکایی گفتند که پروفسکیت ها شامل طیف گسترده ای از مواد هستند که به شیوه ای که اتم ها در شبکه کریستال لایه ای خود مرتب می شوند با یکدیگر متفاوت هستند. این لایه ها که معمولاً به صورت A، B، و X توصیف می شوند، هر کدام می توانند از اتم ها یا ترکیبات مختلف تشکیل شده باشند.


تونیو بوئوناسی پژوهشگر می گوید: «اگر شما حتی فقط سه عنصر را در نظر بگیرید، شایع ترین عناصر در پروفسکیت هایی که افراد در آن ها زیر و خارج هستند، در محل A ساختار کریستال پرواسکایت قرار دارند.» "تعداد مراحل فقط preposterous می شود. بسیار بسیار بزرگ می شود و به این ترتیب جستجو از طریق سیستماتیک غیر عملی می شود.»


روش پیشنهادی که بر اساس یادگیری ماشین است، داده های منابع مختلف را در یک رویکرد همجوشی داده ها ترکیب می کند. از یک سیستم خودکار برای هدایت تولید و آزمایش طیفی از فرمولاسیون های perovskite استفاده می کند و سپس نتایج را با مدل سازی فیزیکی اصول اول ترکیب می کند، تا دور بعدی آزمایش ها را هدایت کند. دانشمندان این فرایند را چندین بار تکرار می کنند تا زمانی که نتایج تصفیه شوند.


تا کنون گروه حدود ۲٪ ترکیب های ممکن را در میان سه جزء سنتز و آزمایش کرده است. دانشمندان ادعا می کنند که آنها در حال حاضر با دوام ترین فرمولاسیون برای مواد سلول های خورشیدی perovskite تا به امروز شناسایی شده است. با این ماده، آن ها همچنین یک تراشه کوچک ساختند و آن را در یک سلول خورشیدی موجود قرار دادند، و کشف کردند که می تواند ثبات دستگاه را بیش از سه بار رمپ کند، بدون اینکه کارایی تبدیل قدرت آن را به خطر بیندازد.


شیجینگ سان پژوهشگر می گوید: «نکته دیگر این کار این است که ما در واقع نشان می دهیم، تمام راه را از انتخاب شیمیایی تا زمانی که در واقع در پایان یک سلول خورشیدی بسازیم.» و به ما می گوید که ماده شیمیایی پیشنهادی یادگیری ماشین نه تنها به شکل مستقل خود پایدار است. آنها همچنین می توانند به سلول های خورشیدی زندگی واقعی ترجمه شوند، و آنها منجر به بهبود قابلیت اطمینان می شوند."