Predykcja za pomocą uczenia maszynowego dla bezołowiowych ogniw perowskitowych z dwoma absorberami w celu zwiększenia PCE

Czystsza energia słoneczna na co dzień

Panele słoneczne obiecują tanią, czystą energię, jednak wiele z najwydajniejszych nowoczesnych konstrukcji opiera się na ołowiu, co rodzi obawy o toksyczność i długoterminową stabilność. W tym badaniu zaproponowano bezpieczniejszą drogę, projektując bezołowiowe ogniwo słoneczne, które nadal efektywnie wychwytuje światło, oraz pokazano, jak symulacje komputerowe i uczenie maszynowe mogą współpracować, aby wskazać warunki dla przyszłych urządzeń, które w przyszłości mogą pojawić się na dachach czy w przenośnych ładowarkach.

Dwie warstwy łapiące światło działające zespołowo

Naukowcy skupiają się na specjalnej klasie materiałów zwanych bezołowiowymi podwójnymi perowskitami, które można dostosować do absorpcji różnych barw światła, unikając przy tym toksycznych pierwiastków. Zamiast jednej warstwy absorbującej światło, stosują dwa absorbery ułożone jeden nad drugim: warstwę górną preferującą światło o wyższej energii (bielsze, bardziej niebieskie) oraz warstwę dolną wyłapującą światło o niższej energii (bardziej czerwone), które przechodzi przez warstwę górną. Ten projekt „pół-tandemu” lub układ z dwoma absorberami pozwala ogniwu zbierać szerszy fragment widma słonecznego bez skomplikowanego okablowania i wymogu dopasowania prądów charakterystycznych dla pełnych paneli tandemowych.

Budowa wysoko wydajnego, bezołowiowego stosu

Aby zaprojektować urządzenie, zespół używa powszechnie stosowanego symulatora ogniw słonecznych do testowania wielu wirtualnych struktur. Najlepszy układ umieszcza dwa absorbery pomiędzy starannie dobranymi warstwami transportu ładunku, które działają jak jednokierunkowe ulice dla nośników ładunku. Po stronie nasłonecznionej warstwa SnS2 prowadzi elektrony przy jednoczesnym blokowaniu dziur. Po tylnej stronie warstwa Sb2S3 robi odwrotnie, zbierając dziury i blokując elektrony. Górny absorber, wykonany z Cs2TiCl6, ma szerszą przerwę energetyczną i znajduje się nad absorbere m o węższej przerwie Cs2AgBiI6, więc światło jest stopniowo zatrzymywane w miarę przechodzenia przez stos. Złoto lub inne metale o wysokiej funkcji pracy tworzą tylne złącze, pomagając efektywnie odprowadzać ładunki z urządzenia.

Dostrajanie grubości, defektów i domieszkowania

Badanie pokazuje, że drobne szczegóły wewnątrz warstw silnie wpływają na działanie ogniwa. Jeśli górny absorber jest zbyt gruby, blokuje światło docierające do dolnej warstwy i prąd spada. Jeśli którykolwiek absorber zawiera wiele defektów, nośniki ładunku rekombinują zanim zostaną zebrane, tracąc energię. Symulacje ujawniają optima: cienka, lecz wysokiej jakości warstwa Cs2TiCl6 około 100 nanometrów nad grubszą, niskodefektową warstwą Cs2AgBiI6 rzędu 1000 nanometrów. Regulacja liczby naładowanych atomów (domieszkowanie) w każdym absorberze i na ich granicach tworzy wewnętrzne pole elektryczne, które pomaga rozdzielać elektrony i dziury. Gdy defekty objętościowe i przygraniczne są niskie, a domieszkowanie dobrze dobrane, wirtualne urządzenie osiąga sprawność konwersji mocy około 32,7 procent, wyższą niż porównywalne jedno­warstwowe wersje tych samych materiałów.

Pozwalając algorytmom przebierać w opcjach projektowych

Ręczne badanie każdej możliwej kombinacji grubości, poziomu defektów i domieszkowania byłoby powolne i nieefektywne. Aby to przyspieszyć, autorzy wprowadzili ponad dwa tysiące zasymulowanych przypadków do kilku modeli uczenia maszynowego. Modele te uczą się, jak zmiany parametrów fizycznych wpływają na kluczowe wielkości ogniwa, takie jak sprawność, napięcie, prąd i współczynnik wypełnienia. Spośród testowanych metod podejście zwane extreme gradient boosting dało najdokładniejsze prognozy, ściśle dopasowane do wyników symulatora. Zastosowawszy technikę znaną jako analiza SHAP, zespół również ustalił ranking najważniejszych cech, wykazując, że domieszkowanie i grubość górnego absorbera oraz poziomy defektów w dolnym absorberze i na ich granicy odgrywają największą rolę w określaniu wydajności.

Od projektów komputerowych do paneli w rzeczywistym świecie

Dla szerokiego odbiorcy główne przesłanie jest takie, że możliwe jest połączenie wysokiej wydajności z bezpieczniejszą chemią w przyszłych ogniwach słonecznych. Praca ta nie buduje fizycznego urządzenia, lecz mapuje warunki, przy których bezołowiowy, dwuwarstwowy stos perowskitowy mógłby konkurować z najlepszymi dzisiejszymi konstrukcjami zawierającymi ołów. Łącząc szczegółowe symulacje oparte na fizyce z uczeniem maszynowym, badanie dostarcza rodzaj atlasu projektowego, którego zespoły eksperymentalne mogą użyć, by skupić się na najbardziej obiecujących kombinacjach warstw i celach produkcyjnych, przybliżając czystsze i bardziej wydajne moduły słoneczne do codziennego użytku.

Cytowanie: 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

Słowa kluczowe: bezołowiowe ogniwa perowskitowe, ogniwo z dwoma absorberami, uczenie maszynowe, fotowoltaika, sprawność konwersji mocy