機器學習精準預測高效能太陽能材料特性

在實驗室中，鈣鈦礦太陽能電池展現了將太陽能轉換為電力的高效率。與矽太陽能電池結合，它們有望在下一代光伏系統中扮演重要角色。如今，卡爾斯魯厄理工學院（KIT）的研究人員證實，機器學習是提升鈣鈦礦太陽能電池商業化生產所需資料分析的關鍵工具。他們的研究成果發表在《能源與環境科學》期刊上。

光伏技術是實現能源供應去碳化的核心技術。使用鈣鈦礦半導體層的太陽能電池已經達到非常高的效率水平，並且能夠以經濟的方式生產出薄型且靈活的設計。

「鈣鈦礦光伏技術正處於商業化的門檻，但在長期穩定性和大面積擴充套件方面仍面臨挑戰，」KIT微結構技術研究所和光技術研究所（LTI）的物理學家Ulrich Wilhelm Paetzold教授表示。「我們的研究顯示，機器學習對於改善工業生產所需的鈣鈦礦薄膜形成監控至關重要。」

透過深度學習（一種使用神經網路的機器學習方法），KIT研究人員能夠快速且精準地預測太陽能電池材料特性和效率水平，其規模超過實驗室範圍。

「利用生產過程中記錄的測量資料，我們可以透過機器學習在太陽能電池完成前識別製程錯誤。我們不需要其他檢測方法，」LTI研究員兼論文主要作者Felix Laufer表示。「這種方法的速度和有效性是資料分析的一大進步，使得解決原本非常棘手的問題成為可能。」

透過分析記錄鈣鈦礦薄膜形成的新資料集，研究人員利用深度學習識別了製程資料與目標變數（如功率轉換效率）之間的關聯。

「鈣鈦礦光伏技術有潛力徹底改變光伏市場，」LTI下一代光伏技術部門負責人Paetzold表示。「我們展示瞭如何透過機器學習技術增強的表徵方法定量分析製程波動，以確保大面積和批次生產中的高材料品質和薄膜層均勻性。這是邁向工業化可行性的關鍵一步。」