Fotovoltaïsche energie en zonne-energie

img-mv26vnlb-ddcd108c

 

Beschrijving

Screen perovskiet-, tandem- en passivatiematerialen door middel van voorspelling. MatterSeek voorspelt de eigenschappen van fotovoltaïsche materialen op basis van de samenstelling.

 

3 77

Fotovoltaïsche energie en zonne-energie —Materiaalsysteem / Voorspelbare prestaties / Validatietraject

 

 

 

 

 

AI voor fotovoltaïsche materialen - Ingenieur perovskietabsorbers en passivatielagen door voorspelling

 

 

1. MatterSeek is een R&D-platform voor AI-materialen voor de ontwikkeling van fotovoltaïsche materialen.

Het voorspelt de eigenschappen van absorbeerders, passivatielagen, transportlagen en inkapselingsmaterialen op basis van de chemische samenstelling, zodat kandidaat-chemieën kunnen worden gerangschikt voordat een coating- of uitgloei-run wordt gepland.

2. Het ontwerp van fotovoltaïsche materialen is een probleem met meerdere doelstellingen.

De structuur van de absorberband moet worden afgestemd terwijl de thermische en vochtstabiliteit behouden blijft; de passivatiechemie moet grensvlakrecombinatie onderdrukken zonder parasitaire absorptie te introduceren; tandemstapels voegen een compatibiliteitsbeperking toe bovenop beide. Elk van deze doelstellingen wordt normaal gesproken getest via afzonderlijke fabricage- en meetcampagnes, en de combinaties vermenigvuldigen zich snel.

3. Vervang de eerste screeningronde door een voorspelling.

Beschrijf het bereik van de doelsamenstelling en het eigenschappenvenster dat u nodig hebt, en MatterSeek retourneert gerangschikte kandidaten met voorspelde eigenschapswaarden en onzekerheid. Het platform verwerkt één tot vier basiselementen met een dopingprecisie van 0,02 – de granulariteit die onderzoek naar legerings- en A- of B-site-substitutie feitelijk vereist. De voorspelling wordt in ongeveer één minuut voltooid voor twee basiselementen, tot zeven minuten voor vier. De resultaten worden gepresenteerd als radardiagrammen voor vergelijking van meerdere eigendommen, 2D- en 3D-heatmaps die vastgoedlandschappen in de compositieruimte visualiseren, en exporteerbare gegevenstabellen voor downstream ontwerpbeoordeling.

4. Gedekte eigendomsfamilies.

De motor omvat optische, elektronische, thermische, thermodynamische en structurele eigenschappenfamilies, inclusief smeltpunt- en elektronische structuurgerelateerde eigenschappen - de grootheden die de fasestabiliteit bepalen tijdens het uitgloeien en het elektronische gedrag van een absorber of transportlaag.

5. Sluit de kringloop in een autonoom laboratorium.

De kandidaten op de shortlist verhuizen naar het autonome laboratorium van MatterSeek van 1.200 m². De zes procesclusters bestrijken de routes die van belang zijn voor fotovoltaïsche zonne-energie: schone dunnefilmdepositie en nabehandeling met substraatreiniging in meerdere baden, magnetronsputteren en verdamping met elektronenstralen, plus sol-gel en superkritisch drogen voor poreuze en oxidelagen. Geautomatiseerde karakterisering omvat XRD voor fase-identificatie, Raman, XRF en gelijktijdige thermische analyse, met een gesteld doel van 300 tot 500 monsters per dag, afhankelijk van de route. De nauwkeurigheid van de voorspelling is 95,7% ten opzichte van fysieke metingen.

6. Families van fotovoltaïsche materialen die aan bod komen, zijn onder meer perovskietabsorbers,

tandem- en transportlagen, defect-passiveringschemie, transparante geleidende oxiden en module-inkapselingsmaterialen.

 

Veelgestelde vragen

 

 

Vraag: Kan MatterSeek eigenschappen van perovskietcomposities voorspellen?

EEN: Ja. U definieert het compositiebereik en het eigenschappenvenster, en het platform retourneert gerangschikte kandidaten met voorspelde waarden en onzekerheid voordat er een film wordt gedeponeerd.

Vraag: Welke fabricageroutes zijn beschikbaar voor validatie?

A: Dunnefilmdepositie met magnetronsputteren en verdamping met elektronenstralen, sol-gel-routes en superkritisch drogen - allemaal geautomatiseerd binnen het autonome laboratorium.

Vraag: Hoe nauwkeurig zijn de voorspellingen?

A: 95,7% nauwkeurigheid ten opzichte van fysieke metingen, waarbij onzekerheid per voorspelling wordt gerapporteerd.

Yuyao (Beijing) Technology Co., Ltd. is een professioneel bedrijf gespecialiseerd in het snijvlak van AI en geavanceerde materialen van fotovoltaïsche en zonne-energie. Het bedrijf heeft onafhankelijk MatterSeek ontwikkeld – een fundamenteel groot model dat is toegesneden op de materialensector – en pionierde met het HNN-algoritme (Hierarchical Neural Network), terwijl het een eigen, controleerbare database met materiaalexperimenten opbouwde.