التصميم المستدام للخلايا الشمسية العضوية باستخدام التعلم الآلي والتعلم العميق

خلايا شمسية أكثر ذكاءً لعالم متغير

ألواح الطاقة الشمسية أصبحت مشهودة على الأسطح وفي الحقول، لكن كثيرين لا يدركون أن نوعاً جديداً من الخلايا الشمسية الخفيفة والمرنة المصنوعة من «بلاستيك» عضوي يظهر حالياً في المختبرات. تستعرض هذه المقالة كيف يستخدم الباحثون المحاكاة الحاسوبية والذكاء الاصطناعي لتصميم هذه الخلايا العضوية بحيث تحول ضوء الشمس إلى كهرباء بكفاءة أكبر، وتقلل هدر المواد، وتدعم أهداف المناخ والاستدامة العالمية بشكل أفضل.

ما الذي يميز هذه الخلايا الشمسية

الألواح الشمسية التقليدية تُصنع عادةً من شرائح سليكون صلبة. بالمقابل، تُبنى الخلايا الشمسية العضوية من طبقات رقيقة قائمة على الكربون يمكن طباعتها على صفائح مرنة. يمكن أن تكون خفيفة وملونة وربما أرخص في التصنيع. العيب أن كفاءتها — أي مقدار طاقة الشمس التي تحولها إلى طاقة قابلة للاستخدام — كانت تاريخياً أقل من السليكون. بفضل مواد عضوية جديدة، تجاوزت الأجهزة المختبرية بالفعل كفاءة 18 بالمئة. وللوصول أبعد من ذلك، يجب على العلماء ضبط تكديس الطبقات الداخلية بدقة لنقل الشحنات الكهربائية، وخصوصاً طبقة نقل الإلكترون، وطبقة نقل الشحنة الموجبة (الثقوب)، والطبقة النشطة الماصة للضوء في الوسط.

استخدام التجارب الافتراضية بدلاً من المحاولة والخطأ

بدلاً من بناء عدد لا يحصى من الخلايا التجريبية في المختبر، يستخدم المؤلفون برنامج حاسوب مفصل يسمى SCAPS‑1D لإجراء «تجارب افتراضية». يركزون على بنية جهاز محددة تشتمل على مزيج نشط يُسمى PBDB‑T:IT‑M موضوعاً بين طبقة ناقلة للثقوب (PEDOT:PSS) وطبقة ناقلة للإلكترونات (PFN‑Br)، مع أكسيد القصدير والإنديوم الشفاف على جهة والألومنيوم على الجهة الأخرى. أولاً، يتحققون من أن المحاكي يطابق نتائج المختبر المنشورة، ويجدون أنه يعيد إنتاج مقاييس رئيسية — الجهد، والتيار، والكفاءة الإجمالية — بدقة كبيرة. يمنحهم هذا الثقة لاستكشاف تصميمات جديدة على الحاسوب قبل خلط أو طلاء أي مواد في غرفة نظيفة.

البحث عن النقطة المثلى في تكديس الطبقات

بعد التحقق من صحة الجهاز الافتراضي، يقوم الفريق بتعديل المواد وسمك كل طبقة بشكل منهجي ليرى أي تركيبة تعمل بشكل أفضل. من بين عدة مرشحين لطبقة نقل الإلكترون، يقدم PFN‑Br أفضل أداء، أساساً لأن مستويات الطاقة الداخلية تتوافق جيداً مع الطبقة النشطة وتساعد الإلكترونات على التحرك بسلاسة نحو الملامس المعدني. عندما يغيرون سمك PFN‑Br بين 5 و30 نانومتر (النانومتر هو جزء من مليار من المتر)، يرون أن الطبقات الرقيقة جداً — نحو 5 إلى 10 نانومتر — تعطي أعلى كفاءة. الطبقات الأسمك تُدخل مقاومة إضافية، مسببة خسائر طاقة أكبر. بالنسبة للطبقة النشطة نفسها، زيادتها في السمك تُمكنها من امتصاص مزيد من الضوء، لكنها تجعل أيضاً من الصعب على الشحنات الهروب قبل أن تعاود الاندماج. تُظهر المحاكاة سمكاً مثالياً قرب 300 نانومتر، حيث يتوازن امتصاص الضوء ونقل الشحنة بشكل جيد.

إتاحة المجال للذكاء الاصطناعي لتعلّم أفضل التصاميم

تشغيل العديد من المحاكاة المفصلة لا يزال يستغرق وقتاً، لذا أضاف الباحثون أداة ثانية: الذكاء الاصطناعي. أنشأوا مجموعة بيانات مكوّنة من 300 خلية شمسية محاكاة بخيارات سمك مختلفة لطبقتي النقل والطبقة النشطة. ثم دربوا نوعين من نماذج الذكاء الاصطناعي — الشبكات العصبية الالتفافية (CNNs) وانحدار آلات الدعم (SVR) — للتنبؤ بالنتائج الأساسية: الكفاءة الإجمالية وجهد الدائرة المفتوحة. بمجرد تدريبها، يمكن لشبكة CNN تقدير هذه الأرقام بسرعة للتصاميم الجديدة دون إعادة تشغيل المحاكاة الفيزيائية الكاملة. في الاختبارات، تتنبأ CNN بالكفاءة بأخطاء أصغر بكثير من SVR، وتلتقط الطرق غير الخطية الدقيقة التي تؤثر فيها التغييرات الطفيفة في السمك على سلوك الجهاز.

ربط خلايا شمسية أفضل بمستقبل أكثر خضرة

خارج المختبر، يربط الفريق نتائجهم بأهداف الاستدامة العالمية. من خلال مضاعفة الكفاءة المحاكاة تقريباً — من نحو 12 بالمئة إلى حوالي 19.5 بالمئة — يمكن لخلية عضوية محسّنة أن تولّد طاقة أكبر من نفس المساحة، مما يقلل كمية المواد والأراضي والأجهزة الداعمة المطلوبة. هذا يدعم طاقة أنظف وأكثر تكلفة فعالية (الهدف 7)، وصناعات أكثر ابتكاراً وكفاءة (الهدف 9)، واستخداماً أكثر مسؤولية للموارد (الهدف 12)، وإجراءات أقوى بشأن تغير المناخ (الهدف 13). ببساطة، يبيّن هذا العمل كيف أن الجمع بين الاختبار الافتراضي والذكاء الاصطناعي يمكن أن يساعد في تصميم خلايا شمسية أذكى بشكل أسرع، تقليل الهدر وتسريع وصول تقنيات شمسية مرنة وعالية الأداء إلى الحياة اليومية.

الاستشهاد: Mohyeldien, O.M., El-Amary, N.H. & Al Bardawil, A. Sustainable design of organic solar cells utilized machine and deep learning. Sci Rep 16, 3728 (2026). https://doi.org/10.1038/s41598-026-35067-7

الكلمات المفتاحية: الخلايا الشمسية العضوية, التعلم الآلي, تحسين سمك الطبقات, كفاءة التحويل الضوئي, الطاقة المستدامة