機械学習による鉛不使用二重吸収体ペロブスカイト太陽電池のPCE向上予測

日常に浸透するよりクリーンな太陽エネルギー

太陽光パネルは安価でクリーンな電力を約束しますが、現在の高効率な次世代設計の多くは鉛を含み、毒性や長期安定性への懸念が伴います。本研究は、鉛を使わずに高い日照変換効率を維持するより安全な道筋を設計し、コンピュータシミュレーションと機械学習を組み合わせて、将来屋根や携帯充電器に搭載されうるデバイス設計を導く方法を示します。

連携して光を捕える二枚の層

研究者たちは鉛を含まない二重ペロブスカイトと呼ばれる特別な材料群に注目しています。これらは有毒元素を避けつつ、太陽光の異なる波長を吸収するように調整できます。単一の吸収膜を使う代わりに、二つの吸収層を積み重ねます：上層はより高エネルギー（青寄り）の光を好み、下層は透過した低エネルギー（赤寄り）の光を吸収します。この「ハーフタンデム」あるいは二重吸収体設計は、完全なタンデム太陽電池で必要となる複雑な配線や電流マッチングを避けつつ、より広い太陽スペクトルを回収できます。

高性能な鉛不使用スタックの構築

デバイス設計には広く用いられる太陽電池シミュレータを用いて多数の仮想構造を検証します。最も性能の良いレイアウトは、二重吸収体を電荷輸送層で挟む構造で、これらの層は電荷に対して一方通行の役割を果たします。日光側には電子を導きホールを遮断するSnS2層があり、裏側にはホールを回収し電子を遮断するSb2S3層があります。上部吸収体はCs2TiCl6でより広いバンドギャップを持ち、下部のより狭いバンドギャップCs2AgBiI6層の上に位置するため、光はスタックを通過するにつれて段階的に取り出されます。バックコンタクトには金やその他の高仕事関数金属が用いられ、電荷が効率よくデバイス外へ出るのを助けます。

厚さ、欠陥、ドーピングの調整

本研究は層内部の小さな詳細がセルの性能に大きく影響することを示します。上部吸収体が厚すぎると下部吸収体に光が届かず電流が低下します。いずれかの吸収体に多数の欠陥があると、電荷が収集される前に再結合してエネルギーが失われます。シミュレーションは適正範囲を明らかにします：高品質で薄めのCs2TiCl6層（約100ナノメートル）を、より厚く欠陥が少ないCs2AgBiI6層（約1000ナノメートル）の上に配置することが望ましいと示されました。各吸収体や界面でのドーピング量を調整すると、電子とホールを引き離す内部電場が生じます。バルクおよび界面欠陥を低く保ちドーピングを適切に調整すると、仮想デバイスは約32.7パーセントの光電変換効率に達し、同材料の単層版より高い値を示します。

アルゴリズムに設計選択を選別させる

厚さ、欠陥レベル、ドーピングのすべての組み合わせを手作業で探索するのは遅く非効率です。そのため著者らは2000件以上のシミュレーションケースを複数の機械学習モデルに学習させます。これらのモデルは物理パラメータの変化が効率、電圧、電流、フィルファクタなどの重要な出力にどう影響するかを学びます。試した中ではExtreme Gradient Boosting（XGBoost）のような手法が最も精度の高い予測を示し、シミュレータ結果とよく一致しました。SHAP解析と呼ばれる手法を用いて、どの特徴量が重要かのランキングも行い、上部吸収体のドーピングと厚さ、下部吸収体およびその界面の欠陥レベルが性能を決める主要因であると結論付けています。

計算設計から実世界パネルへ

一般読者にとっての主なメッセージは、将来の太陽電池で高効率とより安全な化学組成を両立できる可能性があるという点です。本研究は実際のデバイスを製作したわけではありませんが、鉛不使用の二層ペロブスカイトスタックが現在の最高クラスの鉛含有設計と競合し得る条件をマッピングしました。詳細な物理ベースのシミュレーションと機械学習を組み合わせることで、実験チームが有望な層の組合せや製造目標に集中するための設計アトラスを提供し、よりクリーンで高効率な太陽モジュールが日常に近づく手助けとなります。

引用: Elewa, S., Areed, N.F.F., Yousif, B. et al. Machine learning prediction of dual absorber lead-free perovskite solar cells for boosting PCE. Sci Rep 16, 16027 (2026). https://doi.org/10.1038/s41598-026-51970-5

キーワード: 鉛不使用ペロブスカイト太陽電池, 二重吸収体太陽電池, 機械学習, 光電変換, 光電変換効率