Фотоелектрична та сонячна енергія

img-mv26vnlb-ddcd108c

 

опис

Екран перовскіт, тандем і пасивація матеріалів за прогнозом. MatterSeek прогнозує властивості фотоелектричних матеріалів на основі складу.

 

3 77

Фотоелектричні та сонячні електростанції —Матеріальна система / Передбачувана продуктивність / Шлях перевірки

 

 

 

 

 

ШІ для фотоелектричних матеріалів — інженерні перовскітові абсорбери та пасиваційні шари за прогнозом

 

 

1. MatterSeek — це науково-дослідна платформа матеріалів штучного інтелекту для розробки фотоелектричних матеріалів.

Він прогнозує властивості поглиначів, пасивуючих шарів, транспортних шарів і інкапсуляційних матеріалів на основі хімічного складу, тому кандидати на хімічні речовини можуть бути ранжовані до того, як буде заплановано цикл нанесення покриття або відпалу.

2. Проектування фотоелектричних матеріалів є багатоцільовою проблемою.

Структура стрічки поглинача повинна бути налаштована при збереженні термо- і вологостійкості; хімія пасивації повинна пригнічувати рекомбінацію межі розділу без введення паразитного поглинання; тандемні стеки додають обмеження сумісності поверх обох. Кожна з цих цілей зазвичай перевіряється за допомогою окремих кампаній виготовлення та вимірювання, і комбінації швидко множаться.

3. Замініть перший раунд відсіву прогнозом.

Опишіть діапазон цільового складу та потрібне вікно властивостей, і MatterSeek поверне ранжовані кандидати з прогнозованими значеннями властивостей і невизначеністю. Платформа обробляє від одного до чотирьох базових елементів із точністю рівня легування 0,02 — точністю деталізації, якої фактично вимагають дослідження легування та заміщення ділянок A або B. Передбачення завершується приблизно за одну хвилину для двох основних елементів і до семи хвилин для чотирьох. Результати представлені у вигляді радарних діаграм для порівняння кількох властивостей, 2D і 3D теплових карт, які візуалізують ландшафти властивостей у всьому композиційному просторі, і експортованих таблиць даних для подальшого перегляду проекту.

4. Майнові родини охоплені.

Двигун охоплює сімейства оптичних, електронних, теплових, термодинамічних і структурних властивостей, включаючи температуру плавлення та властивості, пов’язані з електронною структурою — величини, які визначають стабільність фази під час відпалу та електронну поведінку поглинача або транспортного шару.

5. Замкніть цикл в автономній лабораторії.

Кандидати, які пройшли короткий список, переїжджають до автономної лабораторії MatterSeek площею 1200 м². Його шість технологічних кластерів охоплюють шляхи, важливі для фотоелектричної техніки: чисте осадження тонких плівок і додаткова обробка з очищенням підкладки за допомогою кількох ванн, магнетронне розпилення та електронно-променеве випаровування, а також золь-гель і надкритична сушка для пористих і оксидних шарів. Автоматизоване визначення характеристик включає XRD для ідентифікації фази, комбінаційне розсіювання, XRF та одночасний термічний аналіз із заявленою цільовою метою від 300 до 500 зразків на день залежно від маршруту. Точність прогнозу становить 95,7% відносно фізичних вимірювань.

6. Розглянуті родини фотоелектричних матеріалів включають перовскітові поглиначі,

тандемні та транспортні шари, хімія пасивації дефектів, прозорі електропровідні оксиди та матеріали для інкапсуляції модулів.

 

FAQ

 

 

З: Чи може MatterSeek передбачити властивості композицій перовскіту?

A: Так. Ви визначаєте діапазон композиції та вікно властивостей, а платформа повертає ранжовані кандидати з прогнозованими значеннями та невизначеністю до того, як будь-яка плівка буде депонована.

З: Які шляхи виготовлення доступні для перевірки?

A: Осадження тонких плівок з магнетронним розпиленням та електронно-променевим випаровуванням, золь-гель-шляхами та надкритичною сушки — усе це автоматизовано в автономній лабораторії.

З: Наскільки точні прогнози?

Відповідь: точність 95,7% порівняно з фізичними вимірюваннями, з похибкою, що повідомляється для прогнозу.

Yuyao (Beijing) Technology Co., Ltd. — це професійна компанія, що спеціалізується на поєднанні штучного інтелекту та сучасних фотоелектричних і сонячних матеріалів. Компанія самостійно розробила MatterSeek — основоположну велику модель, адаптовану до сектору матеріалів — і запровадила алгоритм HNN (ієрархічна нейронна мережа), одночасно створюючи власну, керовану базу даних експериментів з матеріалами.