科学家利用AI成功缩短钙钛矿太阳能电池制造周期

　　澳大利亚的研究人员成功地利用人工智能技术缩短了制造钙钛矿太阳能电池的时间，将传统几年的工作缩短至短短几周。来自皇家墨尔本理工大学的研究小组，通过AI技术优化了太阳能电池的制造，绕过了长时间的人工劳动和可能导致错误的环节。

　　该研究的主要作者，皇家墨尔本理工大学科学学院的Dr. Nastaran Meftahi表示，全球各地的研究团队正争分夺秒地竞相制造钙钛矿太阳能电池，这种电池不仅成本低于硅材料，而且由于最新技术的突破，其稳定性足以满足长期商业应用的需求。

　　过去制造钙钛矿太阳能电池的过程更像是炼金术而非科学。虽然取得了记录性的效率，但积极的结果却难以复制。Meftahi博士表示:“我们取得的成就是快速、可重复制造和测试新太阳能电池的方法，每一代都从前一代中吸取经验并进行改进。”

　　研究团队采用了机器学习，通过其系统生成的数据，RMIT大学的Meftahi博士与Monash大学的Dr. Andrew Christofferson和RMIT的Professor Salvy Russo共同开发了一种新的机器学习模型。该成果发表在《Advanced Energy Materials》杂志上。

　　正在由Monash大学的Dr. Adam Surmiak建造的数百万美元的太阳能电池制造自动系统将具备预测新型钙钛矿太阳能电池有望大规模生产的能力。Surmiak博士与澳大利亚先进光伏技术中心的Professor Udo Bach和CSIRO的合作将领导这个正在建设中的新设施。

　　研究团队的合作成果实现了16.9%的功率转换效率，这是在没有人工干预的情况下制造的太阳能电池的最佳记录。“可重复制造的16.9%的功率转换效率要优于不可复制的30%。” Meftahi博士说。对于人工主导和其他报道的基于AI的钙钛矿电池设计和开发过程而言，可重复性一直是一个主要挑战。

　　Meftahi博士利用Surmiak团队设计和表征的16种新太阳能电池，预测了256种新型太阳能电池的性能。随后，Surmiak博士与他的团队开发了100种新太阳能电池，使Meftahi博士能够预测出16，000种太阳能电池的性能。“在Monash，他们很快就能够每天制造2，000个独特的太阳能电池。我们迅速接近一个阶段，届时我们将能够预测数百万种不同电池的性能。而使用其他任何人的机器学习模型都无法做到，因为在制造电池之前，你需要额外的信息。”

　　Meftahi博士表示，这种机器学习模型和自动系统还有望用于计算其他类型的太阳能电池的数据并进行测试，包括使用硅材料或有机材料制造的电池。“我们渴望与工业合作伙伴合作，进一步测试和原型化我们的工作，以便在各种应用中实现可能的商业化。”