Fotowoltaika i energia słoneczna

img-mv26vnlb-ddcd108c

 

Opis

Przesiewanie materiałów perowskitowych, tandemowych i pasywacyjnych metodą przewidywania. MatterSeek przewiduje właściwości materiału fotowoltaicznego na podstawie składu.

 

3 77

Fotowoltaika i energia słoneczna —System materiałowy / Przewidywalna wydajność / Ścieżka walidacji

 

 

 

 

 

Sztuczna inteligencja dla materiałów fotowoltaicznych — inżynierowie absorberów perowskitowych i warstw pasywacyjnych według przewidywań

 

 

1. MatterSeek to platforma badawczo-rozwojowa w zakresie materiałów AI do opracowywania materiałów fotowoltaicznych.

Przewiduje właściwości absorberów, warstw pasywacyjnych, warstw transportowych i materiałów kapsułkujących na podstawie składu chemicznego, dzięki czemu możliwe jest uszeregowanie kandydatów na substancje chemiczne przed zaplanowaniem cyklu powlekania lub wyżarzania.

2. Projektowanie materiałów fotowoltaicznych jest problemem wielocelowym.

Strukturę pasma absorbera należy dostroić, zachowując jednocześnie stabilność termiczną i wilgotność; chemia pasywacji musi tłumić rekombinację międzyfazową bez wprowadzania absorpcji pasożytniczej; stosy tandemowe dodają ograniczenie kompatybilności na obu. Każdy z tych celów jest zwykle testowany w ramach oddzielnych kampanii produkcyjnych i pomiarowych, a kombinacje szybko się mnożą.

3. Zastąp pierwszą rundę przesiewową przewidywaniem.

Opisz docelowy zakres kompozycji i potrzebne okno właściwości, a MatterSeek zwróci rankingowych kandydatów z przewidywanymi wartościami właściwości i niepewnością. Platforma obsługuje od jednego do czterech pierwiastków podstawowych z dokładnością na poziomie domieszkowania wynoszącym 0,02 — jest to ziarnistość, której w rzeczywistości wymagają badania tworzenia stopów i substytucji w miejscu A lub B. Prognozowanie kończy się po około jednej minucie w przypadku dwóch elementów podstawowych i do siedmiu minut w przypadku czterech. Wyniki są prezentowane w postaci wykresów radarowych do porównywania wielu nieruchomości, map cieplnych 2D i 3D wizualizujących krajobraz nieruchomości w przestrzeni kompozycji oraz tabel danych, które można wyeksportować do późniejszej oceny projektu.

4. Objęte rodziny nieruchomości.

Silnik obejmuje rodziny właściwości optycznych, elektronicznych, termicznych, termodynamicznych i strukturalnych, w tym właściwości związane z temperaturą topnienia i strukturą elektronową — wielkościami regulującymi stabilność fazową podczas wyżarzania oraz zachowanie elektroniczne absorbera lub warstwy transportowej.

5. Zamknij pętlę w autonomicznym laboratorium.

Wybrani kandydaci wprowadzają się do autonomicznego laboratorium MatterSeek o powierzchni 1200 m². Sześć klastrów procesów obejmuje ścieżki istotne dla fotowoltaiki: czyste osadzanie cienkowarstwowych i obróbka wtórna z wielokąpielowym czyszczeniem podłoża, napylanie magnetronowe i odparowywanie wiązką elektronów, a także suszenie zolowo-żelowe i nadkrytyczne dla warstw porowatych i tlenkowych. Zautomatyzowana charakteryzacja obejmuje XRD do identyfikacji faz, Ramana, XRF i jednoczesną analizę termiczną, przy ustalonym docelowym zakresie od 300 do 500 próbek dziennie, w zależności od trasy. Dokładność przewidywania wynosi 95,7% w porównaniu z pomiarem fizycznym.

6. Uwzględnione rodziny materiałów fotowoltaicznych obejmują absorbery perowskitowe,

warstwy tandemowe i transportowe, chemia pasywacji defektów, przezroczyste tlenki przewodzące i materiały do ​​kapsułkowania modułów.

 

Często zadawane pytania

 

 

P: Czy MatterSeek może przewidzieć właściwości kompozycji perowskitów?

O: Tak. Definiujesz zakres kompozycji i okno właściwości, a platforma zwraca rankingowych kandydatów z przewidywanymi wartościami i niepewnością, zanim jakikolwiek film zostanie zdeponowany.

P: Które ścieżki produkcyjne są dostępne do walidacji?

Odp.: Osadzanie cienkowarstwowe za pomocą rozpylania magnetronowego i odparowywania wiązką elektronów, metodą zol-żel i suszeniem nadkrytycznym – wszystko zautomatyzowane w autonomicznym laboratorium.

P: Jak dokładne są prognozy?

Odp.: dokładność pomiaru fizycznego na poziomie 95,7%, z niepewnością podawaną w odniesieniu do przewidywań.

Yuyao (Beijing) Technology Co., Ltd. to profesjonalna firma specjalizująca się w łączeniu sztucznej inteligencji i zaawansowanych materiałów fotowoltaicznych i słonecznych. Firma niezależnie opracowała MatterSeek — podstawowy duży model dostosowany do sektora materiałów — i była pionierem algorytmu HNN (Hierarchical Neural Network), tworząc jednocześnie zastrzeżoną, kontrolowaną bazę danych eksperymentów materiałowych.