KIT institute
Perovskitni polprevodniki in umetna inteligenca spodbujajo razvoj sončnih celic naslednje generacije.
Delo znanstvenika in detektiva je nekoliko podobno: oba iščeta dokaze, analizirata podatke in sledita namigom, da bi prišla do prelomnih odkritij. V laboratorijih inštituta KIT so raziskovalci uporabili ta pristop za razvoj nove tehnologije, ki bi lahko s povečanjem učinkovitosti sončnih celic korenito spremenila trg fotovoltaike.
„Iskanje novih, boljših materialov za fotovoltaiko je nujno za pospešitev energetskega prehoda. Vendar sem po naključju odkril perovskitne polprevodnike. Ko sem bil mladi postdoktorand na Meduniverzitetnem centru za mikroelektroniko v Belgiji, sem se sprva želel ukvarjati z organskimi sončnimi celicami. Strateška preusmeritev takoj po začetku dela me je prisilila v iskanje novih pristopov in našel sem perovskitne polprevodnike,“ opisuje profesor Ulrich Paetzold začetek svojega detektivskega dela.
S perovskitom se ukvarja od leta 2014, delo na tem področju pa je nadaljeval leta 2016, ko se je preselil na Inštitut za mikrostrukturno tehnologijo KIT. „Ta razred materialov, ki je primeren za fotovoltaiko, je bil odkrit šele pred nekaj leti,“ pravi Paetzold. Za perovskitne polprevodnike je značilna njihova specifična kristalna struktura. Veliko pozornosti so pritegnili pri raziskavah sončnih celic. V primerjavi s klasičnimi aplikacijami na osnovi silicija ponujajo številne prednosti, kot sta visoka toleranca za napake in izjemna optoelektronska kakovost. Te lastnosti so bile dovolj, da je Paetzold sledil tej poti.
Iskanje igle v senu
Takšno iglo je iskal tudi Pascal Friederich z Inštituta za teoretično informatiko KIT. Profesor za umetno inteligenco na področju raziskav materialov je moral razvozlati precej trd oreh. „Razpon možnih materialov je praktično neskončen,“ pojasnjuje Friederich. „Iskanje materialov, ki imajo točno tiste lastnosti, ki jih potrebujemo za ustrezne aplikacije, je eden največjih izzivov v znanosti o materialih.“
Tu pride na vrsto umetna inteligenca. Strojno učenje raziskovalcem omogoča učinkovito uporabo obstoječih podatkov pri iskanju novih materialov. Friederich je uporabil podatke iz stotih fotovoltaičnih materialov, proizvedenih v poskusih, da bi usposobil modele za sistematično izbiro najbolj obetavnih naslednjih poskusov. „Tako se neusmerjeno iskanje spremeni v usmerjeno in učinkovito raziskovanje najprimernejših kandidatov za materiale,“ pravi Friederich.
Združevanje strokovnega znanja o umetni inteligenci s praktičnimi rešitvami
Najboljši detektivi na svetu so še učinkovitejši, če delajo v skupini. Friederich in Paetzold se odlično dopolnjujeta. Friederich razvija algoritme za učinkovito iskanje novih materialov, Paetzold pa prispeva svoje znanje o praktični uporabi in posebnih poskusih. Pri odkrivanju novih materialov sodelujeta v dveh Helmholtzevih projektih, Solar TAP in SOL-AI. S tem pristopom bi se lahko učinkovitost sončnih celic povečala s čim manj eksperimentiranja.
Pri tem se opirata tudi na digitalne dvojčke, virtualne kopije resničnega predmeta. Zahvaljujoč tem simulacijam lahko raziskovalci beležijo podatke ter simulirajo in popravljajo procese, rezultate in težave.“ Na ta način dosežemo najboljše iz resničnega in virtualnega sveta,“ pravi Friederich. Z združitvijo fizikalnega razumevanja z empiričnimi opazovanji bi lahko zmanjšali obseg potrebnih podatkov in še vedno uporabljali prednosti metod umetne inteligence za pospeševanje razvoja materialov.
Izzivi in skrivnosti pri raziskovanju materialov
Ena največjih ovir, ki jo morata Friederich in Paetzold še premagati, je dolgoročna stabilnost materialov. „Perovskitne sončne celice se ob izpostavljenosti vlagi, kisiku in visokim temperaturam razgradijo,“ pravi Paetzold. „Te lastnosti zmanjšujejo njihovo trajnost in učinkovitost.“ Še en problem, ki ga je treba rešiti, je povečanje obsega proizvodnega procesa. Za široko uporabo tehnologije s strani raziskovalcev so potrebni poceni in zanesljivi proizvodni postopki.
Friederich dodaja, da so tudi na področju umetne inteligence problemi, ki jih je treba še rešiti. „Pri raziskavah materialov še vedno manjkajo pojasnjujoči pristopi strojnega učenja. Prizadevamo si za razvoj modelov, ki ne morejo samo napovedovati, ampak so sposobni tudi pojasniti, zakaj imajo določeni materiali določene lastnosti.“ Takšne razlage bi lahko prispevale k razvoju novih teorij in modelov v znanosti o materialih.
Prihodnost sončnih celic
„Optimističen sem, da bomo v naslednjih petih do desetih letih doživeli velik napredek na področju sončnih celic,“ napoveduje Paetzold. Pionirska podjetja že izdelujejo komercialno dostopne tandemske sončne module na osnovi perovskita in silicija. V laboratoriju lahko raziskovalci inštituta KIT že dosežejo več kot 30-odstotni izkoristek.
Tudi Friederich je prepričan. „Upam, da bo moji ekipi uspelo razviti nove, pionirske metode,“ pravi. „Te metode bomo nato uporabili v skupnih projektih za iskanje novih materialov, zlasti na področju zelene energije.“
