Фотовольтаика и солнечная энергия

img-mv26vnlb-ddcd108c

 

Описание

Проанализируйте перовскит, тандем и пассивационные материалы методом прогнозирования. MatterSeek прогнозирует свойства фотоэлектрических материалов на основе их состава.

 

3 77

Фотовольтаика и солнечная энергия —Система материалов/Прогнозируемая производительность/Путь проверки

 

 

 

 

 

ИИ для фотоэлектрических материалов — инженер по поглотителям перовскита и пассивационным слоям по прогнозам

 

 

1. MatterSeek — это платформа исследований и разработок материалов искусственного интеллекта для разработки фотоэлектрических материалов.

Он прогнозирует свойства поглотителей, пассивирующих слоев, транспортных слоев и герметизирующих материалов на основе химического состава, поэтому возможные химические соединения можно ранжировать до того, как будет запланировано нанесение покрытия или отжиг.

2. Проектирование фотоэлектрических материалов представляет собой многоцелевую проблему.

Структура ленты поглотителя должна быть настроена при сохранении термической и влагостойкости; химия пассивации должна подавлять интерфейсную рекомбинацию, не вызывая паразитного поглощения; Тандемные стеки добавляют ограничение совместимости поверх обоих. Каждая из этих целей обычно проверяется посредством отдельных кампаний по изготовлению и измерению, и количество комбинаций быстро увеличивается.

3. Заменить первый раунд отбора прогнозом.

Опишите целевой диапазон состава и необходимое окно свойств, и MatterSeek вернет ранжированные кандидаты с прогнозируемыми значениями свойств и неопределенностью. Платформа обрабатывает от одного до четырех базовых элементов с точностью уровня легирования 0,02 — той степени детализации, которая действительно требуется для исследований легирования и замещения A- или B-сайтов. Прогнозирование завершается примерно за одну минуту для двух базовых элементов и до семи минут для четырех. Результаты представлены в виде радиолокационных диаграмм для сравнения нескольких свойств, 2D и 3D тепловых карт, которые визуализируют ландшафты свойств в композиционном пространстве, а также экспортируемых таблиц данных для последующего анализа проекта.

4. Охватываемое имущество семей.

Механизм охватывает семейства оптических, электронных, термических, термодинамических и структурных свойств, включая температуру плавления и свойства, связанные с электронной структурой — величины, которые определяют фазовую стабильность во время отжига и электронное поведение поглотителя или транспортного слоя.

5. Замкните цикл в автономной лаборатории.

Кандидаты, вошедшие в шорт-лист, переезжают в автономную лабораторию MatterSeek площадью 1200 м². Ее шесть технологических кластеров охватывают направления, важные для фотогальваники: чистое осаждение тонких пленок и последующая обработка с многованной очисткой подложки, магнетронное распыление и электронно-лучевое испарение, а также золь-гель и сверхкритическая сушка пористых и оксидных слоев. Автоматизированная характеристика включает в себя рентгенографию для идентификации фаз, рамановский анализ, рентгенофлуоресцентный анализ и одновременный термический анализ с заявленной целью от 300 до 500 образцов в день в зависимости от маршрута. Точность прогноза составляет 95,7% по сравнению с физическими измерениями.

6. Рассматриваемые семейства фотоэлектрических материалов включают перовскитные поглотители,

тандемные и транспортные слои, химия пассивации дефектов, прозрачные проводящие оксиды и материалы для герметизации модулей.

 

Часто задаваемые вопросы

 

 

Вопрос: Может ли MatterSeek предсказать свойства перовскитных композиций?

А: Да. Вы определяете диапазон композиции и окно свойств, и платформа возвращает ранжированные кандидаты с прогнозируемыми значениями и неопределенностью до того, как какая-либо пленка будет размещена.

Вопрос: Какие производственные маршруты доступны для проверки?

A: Нанесение тонких пленок с помощью магнетронного распыления и электронно-лучевого испарения, золь-гель-методы и сверхкритическая сушка — все автоматизировано в автономной лаборатории.

Вопрос: Насколько точны прогнозы?

Ответ: точность 95,7% по сравнению с физическими измерениями, с указанием неопределенности для каждого прогноза.

Yuyao (Beijing) Technology Co., Ltd. — профессиональная компания, специализирующаяся на сочетании искусственного интеллекта и современных материалов для фотоэлектрической и солнечной энергии. Компания самостоятельно разработала MatterSeek — фундаментальную большую модель, адаптированную для сектора материалов, — и впервые внедрила алгоритм HNN (иерархическая нейронная сеть), одновременно создав собственную, управляемую базу данных экспериментов с материалами.