EnglishRobot met supersnelle camera vindt betere manier om perovskiet-zonnecellen te maken
Onderzoekers van de Universiteit van Osaka bouwden een robotplatform dat in milliseconden filmt hoe de laag van een perovskiet-zonnecel ontstaat. Met machine learning vonden ze een betere werkwijze; hun cel zet 24,4 procent van het zonlicht om in stroom.
Perovskiet-zonnecellen zijn een veelbelovend alternatief voor de bekende zonnepanelen van silicium. Het hart van zo'n cel is een flinterdunne laag die het licht opvangt. Die laag maak je door een vloeistof op een plaatje te smeren, die daarna opdroogt en kristallen vormt. Dat klinkt eenvoudig, maar het luistert nauw: kleine verschillen in temperatuur of luchtvochtigheid maken de laag beter of slechter, en daarmee de hele zonnecel.
Onderzoekers van de Universiteit van Osaka in Japan hebben daarom een robotplatform gebouwd dat die laag niet alleen maakt, maar ook nauwkeurig bekijkt terwijl hij ontstaat. Het platform combineert het maken van de laag met snelle camera's, metingen van de omgeving en machine learning: software die zelf patronen leert herkennen in grote hoeveelheden meetgegevens. De resultaten verschenen in het vaktijdschrift ACS Nano.
Kijken terwijl de laag ontstaat
Het team volgde hoe de natte laag verandert in een laag van kristallen. Ze letten vooral op twee dingen: de kleur van de laag, die verandert naarmate de kristallen groeien, en de druppels van een tweede vloeistof die op de natte laag worden gedruppeld. In die vloeistof lost het materiaal niet op, waardoor de kristallen snel en gelijkmatig gaan groeien. Hoe die druppels vallen en neerkomen, maakt veel uit voor het eindresultaat.
Dat alles gaat razendsnel. Het systeem legt kleurveranderingen vast binnen een fractie van een seconde, en ziet binnen enkele milliseconden hoe een druppel beweegt en inslaat. Zo konden de onderzoekers precies koppelen wat er tijdens het maken gebeurde aan hoe goed de laag uiteindelijk werd.
Volgens hoofdauteur Ryosuke Kado wil het team af van eindeloos proberen en opnieuw proberen, door te meten wat er met de laag gebeurt terwijl hij zich vormt. Projectleider Akinori Saeki zegt dat een robot veel meer informatie kan verzamelen dan mensen met de hand zouden kunnen, en dat machine learning verbanden laat zien die anders moeilijk te zien zijn.
Beter druppelen, betere zonnecel
Uit de analyse kwam een ideaal bereik voor het gedrag van de druppels. Met die kennis stelde het team het druppelproces bij. Een zonnecel die zo werd gemaakt, met perovskiet waarin lood zit, zet 24,4 procent van het zonlicht om in elektriciteit. Dat is gemeten door de onderzoekers zelf.
Ook elders werken onderzoekers aan robots die zonnecellen leren maken. In april beschreef een internationaal team onder leiding van de Hong Kong Polytechnic University, met onder meer de Zwitserse technische universiteit EPFL en de Universiteit van Oxford, een systeem van elf gekoppelde robotkasten dat wordt gestuurd door een taalmodel dat zo'n 60.000 wetenschappelijke artikelen over perovskiet verwerkte. Dat systeem maakte en testte ruim 50.000 zonnecellen. De beste haalde 27,0 procent, en een onafhankelijk lab bevestigde 26,5 procent. Waar dat systeem vooral veel recepten snel uitprobeert, kijkt het platform uit Osaka juist heel precies naar één lastige stap in het maakproces.
Wat betekent dit voor de weg naar de singulariteit?
Goedkope en efficiënte zonnecellen zijn belangrijk voor de energie die een wereld vol AI, robots en datacenters nodig heeft. Het platform uit Osaka laat zien hoe robots en zelflerende software het zoeken naar de beste werkwijze kunnen versnellen: in plaats van te gokken, meet het systeem wat er gebeurt en leert het daarvan. Als zulke slimme labs gewoon worden, kunnen nieuwe materialen veel sneller van het lab naar de praktijk komen.
