人工智能帮助发现效率接近记录的太阳能电池材料
作者：Tim WoganTim Wogan is a science writer based in the USView full profile
使用机器学习算法开发了钙钛矿太阳能电池的空穴传输层，其效率接近记录。这项工作以比其他方式更快的速度探索了广阔的化学空间区域，并且可能有助于揭示这些材料有效性的物理原理。
当太阳能电池中的光子产生电子-空穴对时，空穴传输层有助于将空穴运送到正极。其有效性会影响电池的功率转换效率。目前，只有少数空穴传输材料在使用。这些主要是通过对现有结构的实验修改而不是机械理解而发现的。
在这项新研究中，埃尔兰根-纽伦堡大学的材料科学家与德国卡尔斯鲁厄理工学院的机器学习科学家以及韩国蔚山国立科学技术研究所的光物理学家合作，寻找新的空穴传输材料并了解成功的因素。Ø 通常太阳能电池的半导体是通过结合供体部分和受体部分来设计的，因此使用铃木反应似乎是一个好主意，因为它可以高通量地结合不同的共轭分子，并且在工业中得到广泛应用，” 说阿纳斯塔西娅·巴拉巴什在埃尔兰根 – 纽伦堡。
Barabash 的同事从包含超过一百万个可能候选人的综合数据集中吴建昌首先选择了 101 个结合了具有广泛特性的供体和受体的分子。“我尝试选择具有一维、二维和三维、高迁移率和低迁移率、高溶解度和低溶解度和中等溶解度的分子，”他解释道。
研究人员使用合成材料制造太阳能电池，测量功率转换效率以及原始材料特性，并将结果用作机器学习算法的训练数据。然后，该算法又选择了 24 个最有前途或最有可能提供信息的候选者。在半自动化过程中，这些物质被合成并整合到太阳能电池中。经过两轮进一步的优化，研究人员找到了空穴传输材料，可以在单结钙钛矿太阳能电池中产生高达 26.2% 的功率转换效率，略低于 26.7% 的记录。
重要的是，说帕斯卡·弗里德里希在卡尔斯鲁厄理工学院，研究人员生产了多种可以达到接近此效率的材料。弗里德里希希望这能让他们更好地理解这个理论。“我发现看看我们是否只能使用自动驾驶实验室来优化东西，或者我们是否也可以使用它们来获得有趣的见解并更好地理解物理原理，这非常有趣，”他说。
研究人员现在计划解决电子传输层问题，并希望最终利用他们的机器学习和自动合成方法来优化整个电池。
特德·萨金特伊利诺伊州西北大学称这项工作是“重大进步”，并称研究人员“证明了机器学习如何能够揭示材料设计中隐藏的关系，为更高效、更稳定的钙钛矿器件铺平道路”。
“这项工作代表了机器学习在钙钛矿光伏应用中的一个重要里程碑，”同意刘程，萨金特小组的博士后。�通过将高通量合成与预测模型无缝集成，作者展示了一种创新且实用的方法来加速太阳能转换材料的发现。�
关于《人工智能帮助发现效率接近记录的太阳能电池材料》的评论
暂无评论