31/10/2023
Door Ad Spijkers
Het vinden van het beste materiaal om zonnecellen te maken is een grote en tijdrovende opgave. Robots helpen met zoeken.
Zonne-energie is een van de meest veelbelovende manieren om de wereld van de toekomst van stroom te voorzien. Maar voor het creëren van efficiëntere zonnecellen zijn nieuwe en betere materialen nodig. Onderzoekers van Osaka University hebben een systeem ontwikkeld dat belangrijke experimentele en analytische processen automatiseert om het onderzoek naar zonnematerialen aanzienlijk te versnellen.
Zonnecellen
Er zit meer in zonnecellen dan alleen silicium. Andere potentiële materialen kunnen zelfs nog effectiever zijn. Om op grote schaal te kunnen worden gebruikt, moeten deze materialen aan een paar belangrijke eisen voldoen. Ze moeten efficiënt zijn, gemaakt van gewone chemische elementen en een lage toxiciteit hebben. Tot nu toe hebben niet veel kandidaten het potentieel om alle drie deze vakjes aan te vinken. Bovendien gebeurt onderzoek naar nieuwe materialen momenteel met de hand en is kostbaar en tijdrovend.
Om de ontdekking van deze materialen te versnellen, hebben de onderzoekers in Osaka een robotmeetsysteem gecreëerd dat fotoabsorptiespectroscopie, optische microscopie en in de tijd opgeloste microgolfgeleidingsanalyses kan uitvoeren. Vervolgens gebruikten ze de robot om 576 verschillende dunne-film halfgeleidermonsters te evalueren.
De huidige zonnecellen zijn gemaakt van anorganische halfgeleiders die silicium en gallium bevatten. Maar zonnecellen van de volgende generatie moeten zowel de kosten als het gewicht verlagen. Veiligheid is ook een punt van zorg. Perovskiet-zonnecellen bijvoorbeeld zijn efficiënt genoeg om te wedijveren met siliciumzonnecellen, maar ze bevatten giftig lood.
Machine learning
De in dit onderzoek geteste monsters waren allemaal gemaakt van een variërend mengsel van cesium, bismut, tin en jodium. Ze werden ook bij verschillende temperaturen gegloeid en behandeld met verschillende organische zoutadditieven. Om de materiaaleigenschappen grondig te karakteriseren en het experimentele proces te automatiseren, onderzochten de onderzoekers de data ook met behulp van kunstmatige intelligentie, met name machine learning.
De afgelopen jaren is machine learning nuttig geweest bij het beter begrijpen van de eigenschappen van materialen. De onderzoeken vereisen grote hoeveelheden experimentele data, en het combineren van geautomatiseerde experimenten met machine learning technieken is een prima oplossing.
Vervolg
Het onderzoeksteam heeft tot nu toe veelbelovende resultaten geboekt met hun robotsysteem. Het meetproces is zowel volledig geautomatiseerd als zeer nauwkeurig, waardoor het werk in een zesde van de gebruikelijke tijd kan worden voltooid. Het geautomatiseerde systeem maakt het vinden van efficiënte en niet-giftige zonnematerialen aanzienlijk eenvoudiger. Met behulp van robots en AI kan de toekomst van zonne-energie dichterbij zijn dan we beseffen.
De onderzoekers hopen het proces in de toekomst nog verder te automatiseren, waardoor het makkelijker wordt om compleet nieuwe materialen te onderzoeken. De methode is heel geschikt voor het verkennen van gebieden waar geen bestaande data bestaan.
De wetenschappelijke publicatie vindt u hier.
Foto: PxHere