人工知能テクノロジーは、科学者が高効率太陽電池の製造プロセスを改善するのに役立ち、他のさまざまな研究分野に青写真を提供します。過酸化物タンデム太陽電池は、過酸化物太陽電池と通常シリコンで作られる従来の太陽電池をブレンドする高度なハイブリッド技術の代表です。この革新的なアプローチは太陽光発電技術の最前線にあり、効率は 33% 以上で、標準的なシリコン太陽電池を大幅に上回っています。
さらに、使用する原材料が安価で製造が容易です。このレベルの効率を達成するには、人間の髪の毛の厚さのほんの一部にすぎない、高度な過酸化物の非常に薄い層を生成する必要があります。
KITの微細構造技術研究所と光技術研究所で研究を行う終身教授のウルリッヒ・W・パエツォルト氏は、「低コストで拡張性の高い方法を使用して、欠陥や穴のないこのような高度な多結晶薄層を作製することは、最大の課題の1つである」と述べた。
一見完璧に見える実験室条件下でも、半導体層の品質に変化を引き起こす未知の要因が存在する可能性があるとパエツォルト氏は説明する。「この欠陥は最終的に、エネルギー転換に切実に必要とされる高効率太陽電池の工業生産の迅速な立ち上げを妨げるのです。」
AI が効果的なコーティングの隠れた兆候を発見
コーティングに影響を与える要因を見つけるために、KIT の結晶周縁太陽電池の専門家からなる学際的なチームが、DKFZ ハイデルベルクのヘルムホルツ イメージングおよびヘルムホルツ人工知能の機械学習および説明可能な人工知能 (XAI) の専門家と協力しました。
研究者らは、膨大なデータセットを使用してニューラルネットワークをトレーニングおよび分析する人工知能手法を開発しました。データセットには、製造プロセス中の包晶の薄層のフォトルミネッセンスを示すビデオ記録が含まれています。フォトルミネッセンスとは、外部光源によって励起されたときに半導体層によって放出される放射線を指します。
DKFZ Helmholtz Imaging の Lukas Klein 氏と Sebastian Ziegler 氏は次のように説明しています。「専門家でも薄層には特別なものは何も見えないため、私たちは機械学習 (深層学習) 人工知能システムをトレーニングして、何百万ものビデオ データ項目からコーティングの良し悪しの隠れた兆候を検出するというアイデアを思いつきました。」
ディープラーニング AI システム出力の広範囲に分散した兆候をフィルタリングして分析するために、研究者らは説明可能な AI 手法を採用しました。
追跡調査の青写真
研究者らは実験を通じて、製造プロセス中にフォトルミネッセンスが変化し、この現象がコーティングの品質に影響を与えることを発見しました。
「私たちの研究の鍵は、高品質の太陽電池を得るためにどの要素を変更する必要があるかを理解するために XAI 手法を的を絞って使用することです。これは通常のアプローチではありません。ほとんどの場合、XAI は人工知能モデルを構築する際のエラーを回避するためのガードレールとしてのみ使用されます。これはパラダイムの変化です。このような体系的な方法で材料科学に関連性の高い洞察を得るのは、まったく新しい経験です。」とクライン氏とジーグラー氏は述べています。
実際、フォトルミネッセンスの変化から導き出された結論によって、研究者は次のステップに進むことができました。それに応じてニューラル ネットワークをトレーニングした後、人工知能は、製造プロセスのどの時点で発生する発光の変化に基づいて、各太陽電池の効率が低いか高いかを予測できます。
ウルリッヒ・W・パエツォルト氏は、「これらの結果は非常に興味深いものです。人工知能を組み合わせて使用したおかげで、収量を増やすためにどのパラメータを最初に変更する必要があるかについて、信頼できる手がかりが得られました。干し草の山から針を盲目的に探すのではなく、より的を絞った方法で実験を行うことができるようになりました。これはその後の研究の青写真であり、エネルギー研究や材料科学の他の多くの側面にも当てはまります。」と強調しています。
コンパイルされたソース: ScitechDaily