归因于更持久的钙钛矿太阳能电池

钙钛矿材料被广泛宣称可以替代硅，成为太阳能电池的首选材料，但是它们最大的缺点是它们具有相对较快降解的趋势。近年来，基于钙钛矿的电池的使用寿命已从数分钟逐渐提高到数月，但仍远远落后于硅(目前用于几乎所有商用太阳能电池板的材料)预期的数十年。

现在，由麻省理工学院(MIT)领导的国际跨学科团队提出了一种新方法，可以从众多潜在组合中缩小寻找长效钙钛矿配方的最佳候选人的范围。他们的系统已经在实验室中对现有版本进行了十倍改进的一种结构上实现了归零。即使在实际条件下，在完整的太阳能电池水平下，除了实验室中的一小部分样品外，这种钙钛矿的性能也比最先进的配方好三倍。

该发现发表在《物质》杂志上，该论文发表在麻省理工学院博士后孙世静，麻省理工学院教授Moungi Bawendi，John Fisher和Tonio Buonassisi的身上，他也是新加坡-MIT研究与技术联盟(SMART)的首席研究员，以及来自麻省理工学院，德国，新加坡，科罗拉多州和纽约的其他16个人。

钙钛矿是一类广泛的材料，其特征在于原子在其层状晶格中的排列方式。这些层按照惯例被描述为A，B和X，每个层可以由多种不同的原子或化合物组成。因此，在这样的组合的整个范围内搜索以找到满足特定目标(寿命，效率，可制造性和原材料的可用性)的最佳人选是一个缓慢而艰苦的过程，并且在很大程度上没有任何指导方针。

“如果只考虑三个元素，钙钛矿中最常见的元素就是人们钻进和掉入的钙钛矿晶体结构的A位置。”它们的相对组成Buonassisi可以很容易地以1%的增量变化说。“步骤数变得很荒谬。它变得非常非常大”，因此系统地搜索是不切实际的。每个步骤都涉及创建新材料然后测试其降解的复杂合成过程，即使在加速老化条件下，该过程也是一个耗时的过程。

团队成功的关键是他们所说的数据融合方法。这种迭代方法使用自动化系统来指导各种配方的生产和测试，然后使用机器学习来检查这些测试的结果，并再次与第一原理物理建模相结合，以指导下一轮实验。系统会不断重复该过程，每次都会完善结果。

Buonassisi喜欢将可能的成分的广阔领域与海洋进行比较，他说，大多数研究人员都与非常高效的已知配方海岸保持着距离，例如，通过对那些原子构形进行微调。但是，“有时候，有人会犯错或有天才的感觉，然后离开并落在构图空间中的其他地方，嘿，它工作得更好!偶然的偶然性，然后每个人都移到那儿了”在他们的研究中。“但这通常不是结构化的思考过程。”

他说，这种新方法提供了一种以更系统，更有效的方式探索远海地区以寻找更好的房产的方法。迄今为止，在他们的工作中，通过合成和测试三种成分中不到2%的可能组合，研究人员能够归纳出迄今为止发现的钙钛矿型太阳能电池材料似乎是最耐用的配方。

Sun表示：“这个故事实际上是用于找到新配方的所有不同工具集的融合”，他协调了开展这项工作的国际团队，包括开发了高通量的自动降解测试系统，通过颜色变暗来监视材料的击穿。为了确认结果，该团队不仅仅在实验室中制造了一个微型芯片，而且将材料整合到了可以正常工作的太阳能电池中。

她说：“这项工作的另一点是，我们从化学选择一直到最终最终制造出太阳能电池，一直进行实际演示。” “它告诉我们，机器学习建议的化学物质不仅以其自身独立的形式稳定，还可以转化为现实生活中的太阳能电池，并提高了可靠性。” 她说，他们的一些实验室规模的演示的寿命比开始时的基准公式高出17倍，但即使是包括必要互连的全单元演示，也比现有材料的寿命长三倍以上。

Buonassisi说，研究小组开发的方法还可以应用于材料研究的其他领域，其中涉及相似范围的成分选择。“这确实为研究模式打开了一扇门，在这种模式下，您可以在子组件或材料级别上进行这些短而快速的创新循环。然后，一旦您选择了正确的构图，就可以将其提升到一个新的水平。涉及设备制造的更长循环，然后在下一个级别进行测试。

他说：“能够进行这类工作是该领域的重大承诺之一。” “看到它真正发生是那些(令人难忘的)时刻之一。我记得当我收到《世经》关于这些结果的电话时的确切地点-当您开始真正看到这些想法变为现实时，这真是令人震惊。 。”

多伦多大学的爱德华·萨金特教授说：“这项技术的进步特别令人兴奋，是作者利用物理学来指导[优化]过程的直觉，而不是用严格的限制来限制搜索空间。”与这项研究无关的纳米技术专家。“随着机器学习继续朝着解决材料科学中的实际问题发展，这种方法将得到广泛的应用。”

标签： 钙钛矿太阳能电池