เครื่องมือในการเร่งความเร็วของการพัฒนาโซลาร์เซลล์ใหม่

ตอนนี้ นักวิจัยจาก MIT และ Google Brain ได้พัฒนาระบบที่ทำให้ไม่เพียงแค่ประเมินการออกแบบที่เสนอในแต่ละครั้งเท่านั้น แต่ยังให้ข้อมูลเกี่ยวกับการเปลี่ยนแปลงที่จะให้การปรับปรุงที่ต้องการ สิ่งนี้สามารถเพิ่มอัตราการค้นพบการกำหนดค่าใหม่ที่ได้รับการปรับปรุงได้อย่างมาก

ระบบใหม่นี้เรียกว่าเครื่องจำลองเซลล์แสงอาทิตย์แบบดิฟเฟอเรนติเอเบิล มีการอธิบายไว้ในบทความที่ตีพิมพ์ในวารสารComputer Physics Communications ซึ่งเขียนโดย MIT จูเนียร์ ฌอน มานน์ นักวิทยาศาสตร์การวิจัย จูเซปเป้ โรมาโน แห่งสถาบันเทคโนโลยีนาโนของทหาร MIT&และอีก 4 คน คนอื่นๆ ที่ MIT และ Google Brain

Romano อธิบาย เครื่องจำลองเซลล์แสงอาทิตย์แบบดั้งเดิม นำรายละเอียดของการกำหนดค่าเซลล์แสงอาทิตย์และผลิตเป็นเอาต์พุตตามประสิทธิภาพที่คาดการณ์ นั่นคือเปอร์เซ็นต์ของพลังงานจากแสงแดดที่เข้ามาจะถูกแปลงเป็นกระแสไฟฟ้าจริง แต่ตัวจำลองใหม่นี้ทั้งคาดการณ์ประสิทธิภาพและแสดงให้เห็นว่าเอาต์พุตนั้นได้รับผลกระทบจากพารามิเตอร์อินพุตตัวใดตัวหนึ่งมากน้อยเพียงใด"มันบอกคุณโดยตรงว่าเกิดอะไรขึ้นกับประสิทธิภาพหากเราทำให้เลเยอร์นี้หนาขึ้นเล็กน้อย หรือจะเกิดอะไรขึ้นกับประสิทธิภาพถ้าเราเปลี่ยนคุณสมบัติของวัสดุ" เขาพูดว่า.

กล่าวโดยสรุปคือ"เราไม่ได้'ไม่พบอุปกรณ์ใหม่ แต่เราได้พัฒนาเครื่องมือที่ช่วยให้ผู้อื่นค้นพบอุปกรณ์ประสิทธิภาพสูงอื่นๆ ได้รวดเร็วยิ่งขึ้น" การใช้ระบบนี้"เรากำลังลดจำนวนครั้งที่เราต้องเรียกใช้โปรแกรมจำลองเพื่อให้เข้าถึงพื้นที่ที่กว้างขึ้นของโครงสร้างที่ปรับให้เหมาะสมได้เร็วขึ้น" นอกจากนี้ เขายังกล่าวอีกว่า"เครื่องมือของเราสามารถระบุชุดพารามิเตอร์วัสดุที่ไม่ซ้ำกันซึ่งถูกซ่อนไว้จนถึงขณะนี้ เนื่องจาก' ซับซ้อนมากในการเรียกใช้การจำลอง"

ในขณะที่วิธีการแบบเดิมใช้การค้นหาแบบสุ่มของรูปแบบต่างๆ ที่เป็นไปได้ Mann กล่าวด้วยเครื่องมือของเขา"เราสามารถติดตามวิถีแห่งการเปลี่ยนแปลงได้ เนื่องจากเครื่องจำลองจะบอกคุณว่าคุณต้องการเปลี่ยนอุปกรณ์ไปในทิศทางใด นั่นทำให้กระบวนการเร็วขึ้นมาก เพราะแทนที่จะสำรวจพื้นที่ทั้งหมดของโอกาส คุณสามารถเดินตามเส้นทางเดียว" ที่นำไปสู่ประสิทธิภาพที่ดีขึ้นโดยตรง

เนื่องจากเซลล์แสงอาทิตย์ขั้นสูงมักประกอบด้วยชั้นต่างๆ ที่ประสานกันด้วยวัสดุนำไฟฟ้าเพื่อนำประจุไฟฟ้าจากที่หนึ่งไปยังอีกชั้นหนึ่ง เครื่องมือคำนวณนี้เผยให้เห็นว่าการเปลี่ยนแปลงความหนาสัมพัทธ์ของชั้นต่างๆ เหล่านี้จะส่งผลต่อเอาต์พุตของอุปกรณ์' อย่างไร"นี่เป็นสิ่งสำคัญมากเพราะความหนาเป็นสิ่งสำคัญ มีความสัมพันธ์กันอย่างมากระหว่างการแพร่กระจายของแสงและความหนาของแต่ละชั้นและการดูดซับของแต่ละชั้น" แมนอธิบาย

ตัวแปรอื่นๆ ที่สามารถประเมินได้ ได้แก่ ปริมาณของยาสลบ (การแนะนำอะตอมของธาตุอื่น) ที่แต่ละชั้นได้รับ หรือค่าคงที่ไดอิเล็กตริกของชั้นฉนวน หรือแถบแบนด์ การวัดระดับพลังงานของโฟตอนของแสงที่สามารถ จับโดยวัสดุต่าง ๆ ที่ใช้ในชั้น

เครื่องจำลองนี้พร้อมใช้งานเป็นเครื่องมือโอเพนซอร์ซที่สามารถนำมาใช้ทันทีเพื่อช่วยชี้แนะการวิจัยในสาขานี้ Romano กล่าว"พร้อมแล้วและผู้เชี่ยวชาญในอุตสาหกรรมสามารถดำเนินการได้" เพื่อใช้ประโยชน์จากมัน นักวิจัยจะจับคู่อุปกรณ์นี้' การคำนวณกับอัลกอริธึมการปรับให้เหมาะสมที่สุด หรือแม้แต่ระบบการเรียนรู้ของเครื่อง เพื่อประเมินการเปลี่ยนแปลงที่เป็นไปได้อย่างรวดเร็วและนำทางเลือกที่มีแนวโน้มดีที่สุดมาใช้อย่างรวดเร็ว

ณ จุดนี้ เครื่องจำลองใช้เซลล์แสงอาทิตย์รุ่นหนึ่งมิติเท่านั้น ดังนั้นขั้นตอนต่อไปคือการขยายขีดความสามารถเพื่อรวมการกำหนดค่าแบบสองและสามมิติ แต่แม้แต่เวอร์ชัน 1D นี้"สามารถครอบคลุมเซลล์ส่วนใหญ่ที่อยู่ระหว่างการผลิตได้" โรมาโนกล่าว เครื่องมือนี้ยังไม่สามารถจำลองรูปแบบบางอย่าง เช่น เซลล์ตีคู่ที่เรียกว่าเซลล์ตีคู่โดยใช้วัสดุที่แตกต่างกันได้โดยตรง แต่" มีวิธีประมาณเซลล์แสงอาทิตย์แบบควบคู่โดยการจำลองแต่ละเซลล์" ; แมนพูด.

โปรแกรมจำลองคือ"end-to-end," Romano กล่าว ซึ่งหมายความว่าจะคำนวณความไวของประสิทธิภาพ โดยคำนึงถึงการดูดกลืนแสงด้วย เขากล่าวเสริม:"ทิศทางในอนาคตที่น่าดึงดูดใจคือการสร้างเครื่องจำลองของเราด้วยเครื่องจำลองการแพร่กระจายแสงที่แยกได้ขั้นสูงที่มีอยู่ เพื่อให้ได้ความแม่นยำที่เพิ่มขึ้น"

ก้าวไปข้างหน้า Romano กล่าวเพราะนี่คือรหัสโอเพนซอร์ซ"นั่นหมายความว่าเมื่อ' ขึ้นไปบนนั้น ชุมชนสามารถมีส่วนร่วมได้ และนั่น' นั่นเป็นเหตุผลที่เราตื่นเต้นมาก" แม้ว่ากลุ่มวิจัยนี้"แค่ไม่กี่คน" เขากล่าวว่าตอนนี้ใครก็ตามที่ทำงานในภาคสนามสามารถปรับปรุงและปรับปรุงโค้ดของตนเองและแนะนำความสามารถใหม่ ๆ ได้

& quot;ฟิสิกส์ที่แตกต่างจะมอบความสามารถใหม่สำหรับการจำลองระบบวิศวกรรม" Venkat Viswanathan รองศาสตราจารย์ด้านวิศวกรรมเครื่องกลที่มหาวิทยาลัย Carnegie Mellon ซึ่งไม่เกี่ยวข้องกับงานนี้กล่าว"เครื่องจำลองเซลล์แสงอาทิตย์แบบดิฟเฟอเรนติเอเบิลเป็นตัวอย่างที่น่าทึ่งของฟิสิกส์เชิงอนุพันธ์ ซึ่งขณะนี้สามารถมอบความสามารถใหม่ๆ ในการเพิ่มประสิทธิภาพการทำงานของอุปกรณ์เซลล์แสงอาทิตย์ได้" เขาพูดเรียกการศึกษา"ก้าวไปข้างหน้าที่น่าตื่นเต้น"

นอกจาก Mann และ Romano แล้ว ทีมงานยังมี Eric Fadel และ Steven Johnson ที่ MIT และ Samuel Schoenholz และ Ekin Cubuk ที่ Google Brain งานนี้ได้รับการสนับสนุนโดย Eni SpA และ MIT Energy Initiative และ MIT Quest for Intelligence