用于快速筛选新型太阳能电池的技术

为未来的太阳能电池板寻找更好、更高效的材料通常是一个缓慢而艰苦的过程。研究人员通常必须生产实验室样品，这些样品通常由多层不同材料粘合在一起组成，以进行广泛的测试。

现在，麻省理工学院和其他机构的一个团队提出了一种方法，可以绕过这种昂贵而费时的制造和测试，允许快速筛选比传统方法实际的多得多的变化。

麻省理工学院的研究生Rachel Kurchin解释说，这个过程不仅可以加快对新配方的搜索，而且还可以更准确地预测它们的性能。Rachel Kurchin是一篇描述新过程的论文的合著者，该论文发表在期刊上焦耳．她说，传统的方法“通常需要制作专门的样品，但这与实际的电池不同，可能不能完全代表”真正的太阳能电池的性能。

例如，典型的测试方法显示“多数载流子”的行为，主要粒子或空位的运动产生电流通过材料。但就光伏材料而言，Kurchin解释说，实际上是少数载流子(在材料中含量少得多的载流子)才是器件整体效率的限制因素，而且这些载流子更难测量。此外，典型的程序只测量一组方向的电流——在薄膜材料的平面内——而实际上在工作的太阳能电池中利用的是向上向下的流动。她说，在许多材料中，这种流动可能是“截然不同的”，因此理解这种流动至关重要，以便正确地描述材料的特征。

“从历史上看，新材料的发展速度很慢——通常是10到25年，”麻省理工学院机械工程副教授、该论文的高级作者托尼奥·布奥纳西(Tonio Buonassisi)说。他说:“导致这一过程缓慢的原因之一是，对早期原型设备进行故障排除需要很长时间。”“进行描述需要时间，有时需要几周或几个月，而且测量并不总是具有必要的灵敏度来确定任何问题的根本原因。”

因此，Buonassisi说:“底线是，如果我们想加快新材料开发的步伐，我们必须找出更快、更准确的方法来排除我们早期材料和原型设备的故障。”这就是这个团队现在所完成的。他们开发了一套工具，可以用来对提议的材料进行准确、快速的评估，使用一系列相对简单的实验室测试，结合材料本身物理性质的计算机建模，以及基于被称为贝叶斯推断的统计方法的附加建模。

该系统包括制作一个简单的测试设备，然后在不同的照明水平和不同的电压下测量其电流输出，以准确量化在这些变化条件下的性能变化。然后使用这些值来改进统计模型。

Buonassisi说:“在我们获得不同温度和光照强度下(样品)的许多电流-电压测量后，我们需要弄清楚哪种材料和界面变量的组合最适合我们的测量集。”“将每个参数表示为概率分布可以让我们解释实验的不确定性，也可以让我们弄清楚哪些参数是共变的。”

贝叶斯推理过程允许每个参数的估计值根据每个新的测量值进行更新，逐渐完善估计值，并更接近精确的答案，他说。

Kurchin说，在为特定应用寻找材料组合时，“我们输入所有这些材料属性和界面属性，它就会告诉你输出会是什么样子。”

库尔钦说，这个系统非常简单，即使对于那些在实验室中没有很好表征的材料也是如此。“我们仍然能够在没有巨大的计算机开销的情况下运行它。”利用计算工具来筛选可能的材料将越来越有用，因为“实验室设备变得越来越贵，而计算机变得越来越便宜。这种方法可以最大限度地减少复杂实验设备的使用。”

Buonassisi说，基本的方法可以应用于各种不同的材料评估，而不仅仅是太阳能电池——事实上，它可以应用于任何涉及计算机模型输出实验测量的系统。“例如，这种方法擅长于找出哪些材料或界面属性可能会限制性能，即使是电池、热电器件或用于网球鞋或飞机机翼的复合材料等复杂的材料堆栈。这对早期研究尤其有用，因为在这个阶段，很多事情可能会同时出错。”

展望未来，他说:“我们的愿景是将这种快速表征方法与我们在实验室开发的更快的材料和器件合成方法联系起来。”最后，他说:“我非常希望高通量计算、自动化和机器学习的结合将帮助我们将新材料的开发速度加快五倍以上。这可能是革命性的，将新材料科学发现的时间从20年缩短到大约3到5年。”

麻省理工学院

www.mit.edu

-由克里斯·瓦夫拉编辑，制作编辑，控制工程， CFE传媒，cvavra@cfemedia.com．查看更多控制工程能源和电力故事．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。