新技术可以快速筛选新型太阳能电池

研究人员在全球寻求为明天的太阳能电池板寻找更好，更有效的材料通常是缓慢而艰苦的。研究人员通常必须生产实验室样本 - 通常由多层不同材料粘合在一起 - 进行广泛的测试。

现在，麻省理工学院和其他机构的团队已经想出了一种绕过这种昂贵且耗时的制造和测试的方法，允许快速筛选比传统方法更实际的变化。

麻省理工学院研究生Rachel Kurchin解释说，新工艺不仅可以加快对新配方的搜索，而且可以更准确地预测其性能。本文将介绍本周出现的新工艺的论文的共同作者。Joule杂志。她说，传统方法“通常需要你制作一个专门的样品，但这与实际的细胞不同，并且可能无法充分代表真正的太阳能电池的性能”。

例如，典型的测试方法显示了“多数载流子”的行为，即主要的粒子或空位，其运动通过材料产生电流。但就光伏(PV)材料而言，Kurchin解释说，它实际上是少数载体 - 材料中含量较少的载体 - 是器件整体效率的限制因素，而且难度更大测量。此外，典型的程序仅测量一组方向上的电流 - 在薄膜材料的平面内 - 而它是在工作太阳能电池中实际利用的上下流。她说，在许多材料中，这种流动可能“完全不同”，因此，为了正确表征材料，理解它至关重要。

“从历史上看，新材料开发的速度很慢 - 通常为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Tonio Buonassisi说。“使这一过程变得缓慢的一个原因是需要很长时间才能对早期原型设备进行故障排除，”他说。“进行表征需要时间 - 有时需要数周或数月 - 并且测量并不总是具有确定任何问题的根本原因所必需的灵敏度。”

因此，Buonassisi说，“最重要的是，如果我们想加快新材料开发的步伐，我们必须找到更快，更准确的方法来解决我们的早期材料和原型设备问题。” 这就是团队现在所取得的成就。他们开发了一套工具，可以用来对所提出的材料进行准确，快速的评估，使用一系列相对简单的实验室测试，结合材料本身的物理特性的计算机建模，以及基于统计方法称为贝叶斯推断。

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性能如何变化。然后使用这些值来细化统计模型。

“在我们在不同温度和照明强度下获得[样品]的许多电流 - 电压测量后，我们需要弄清楚材料和界面变量的哪种组合最适合我们的测量，”Buonassisi解释说。“将每个参数表示为概率分布允许我们考虑实验的不确定性，并且它还允许我们确定哪些参数是共变的。”

他说，贝叶斯推理过程允许根据每个新的测量结果更新每个参数的估计值，逐步改进估计值并在更接近精确答案的情况下进行归巢。

Kurchin说，在为特定应用寻求材料组合时，“我们将所有这些材料属性和界面属性放入其中，它将告诉您输出的外观。”

该系统非常简单，即使对于在实验室中表现不太好的材料，“我们仍然可以在没有巨大计算机开销的情况下运行它。” 并且，Kurchin说，利用计算工具筛选可能的材料将越来越有用，因为“实验室设备变得更加昂贵，而且计算机变得更便宜。这种方法可以让您最大限度地减少对复杂实验室设备的使用。”

Buonassisi说，基本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，它可能适用于涉及计算机模型的任何系统，用于实验测量的输出。“例如，这种方法在确定哪种材料或接口属性可能限制性能方面表现优异，即使对于复杂的材料堆叠，例如电池，热电装置或网球鞋或飞机机翼中使用的复合材料。” 而且，他补充道，“这对早期研究特别有用，因为很多事情可能会出现问题。”

他说，展望未来，“我们的愿景是将这种快速表征方法与我们在实验室中开发的更快的材料和设备合成方法联系起来。” 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开发的速度提高五倍以上。这可能是变革性的，带来时间表新材料 - 科学发现从20年到大约3到5年。“