本文转载自@@：cnBeta.COM
在光伏电池中@@，钙钛矿材料将优于硅@@，但大规模地制造这种电池是一个巨大的@@障碍@@。麻省理工学院@@（MIT）研究人员开发的@@一个机器学习系统将可以提供帮助@@。
钙钛矿是一个材料系列@@，目前是取代当今广泛使用的@@硅基太阳能光伏的@@主要竞争者@@。它们有希望被用于制造更轻更薄的@@电池板@@，可以在室温下以超高产量制造@@，而不是在几百度的@@高温下@@，而且运输和安装都更容易和更便宜@@。但是@@，将这些材料从小型实验室实验转化为可以有竞争力地制造的@@产品@@，一直是一场旷日持久的@@斗争@@。
生产基于钙钛矿的@@太阳能电池@@需要同时优化至少十几个变量@@，即使是在众多可能性中的@@一个特定的@@制造方法@@中@@。然而@@，一个基于机器学习新方法@@的@@新系统可以加快优化生产方法@@的@@发展@@，并帮助下一代太阳能发电成为现实@@。
该系统由麻省理工学院@@和斯坦福大学的@@研究人员在过去几年中开发@@，使其有可能将先前的@@实验数据以及基于有经验的@@工人的@@个人观察的@@信息整合到机器学习过程中@@。这使得结果更加准确@@，并且已经促成了能量转换效率为@@18.5%的@@钙钛矿电池的@@制造@@，这对于今天的@@市场来说@@是一个有竞争力的@@水平@@。
这项研究最近发表在@@《焦耳@@》杂志上@@@@，论文作者是麻省理工学院@@机械工程教授@@Tonio Buonassisi、斯坦福大学材料科学和工程教授@@ Reinhold Dauskardt、麻省理工学院@@最近的@@研究助理刘哲@@、斯坦福大学博士毕业生@@ Nicholas Rolston和其他三人@@。
钙钛矿是一组层状结晶化合物@@，由其晶格中的@@原子构型决定@@。有数以千计的@@这种可能的@@化合物和许多不同的@@制造方法@@@@。虽然大多数实验室规模的@@钙钛矿材料的@@开发使用旋涂技术@@@@，但这对于更大规模的@@制造来说@@并不实用@@，因此@@世界各地的@@公司和实验室一直在寻找将这些实验室材料转化为实用@@、可制造产品的@@方法@@@@。
现在是亚利桑那州立大学副教授的@@@@Rolston说@@：“当你试图采用实验室规模的@@工艺@@，然后将其转移到像初创企业或@@制造生产线上@@时@@，总是有一个很大的@@挑战@@。”该团队研究了一个他们认为最有潜力的@@工艺@@，一种叫做快速喷射等离子体加工的@@方法@@@@，或@@称@@RSPP。
该制造工艺将涉及一个移动的@@卷对卷表面@@，或@@一系列板材@@，当板材滚动时@@，过氧化物化合物的@@前体溶液将被喷涂或@@喷墨在上@@面@@。然后材料将进入固化阶段@@，提供快速和连续的@@输出@@，“其产量高于任何其他光伏技术@@@@，”Rolston说@@。
他补充说@@@@@@：“这个平台的@@真正突破是@@，它将使我们能够以一种其他材料无法做到的@@方式进行扩展@@。即使像硅这样的@@材料也需要更长的@@时间框架@@，因为要进行加工@@。而你可以认为@@（这种方法@@@@更@@）像喷漆@@。”
在这个过程中@@，至少有十几个变量可能会影响结果@@，其中一些变量比其他变量更容易控制@@。这些变量包括@@起始材料的@@成分@@、温度@@、湿度@@、加工路径的@@速度@@、用于将材料喷到基材上@@的@@喷嘴的@@距离@@，以及固化材料的@@方法@@@@。这些因素中的@@许多因素可以相互影响@@，如果加工过程是在露天@@，那么湿度@@@@，例如@@，可能是无法控制的@@@@。通过实验评估这些变量的@@所有可能组合是不可能的@@@@，所以需要机器学习来帮助指导实验过程@@。
但是@@，虽然大多数机器学习系统使用的@@是原始数据@@，如对测试样品的@@电气和其他属性的@@测量@@，但它们通常不会纳入人类的@@经验@@，如实验者对测试样品的@@视觉和其他属性的@@定性观察@@，或@@其他研究人员报告的@@其他实验的@@信息@@。因此@@，该团队找到了一种方法@@@@，将这种外部信息纳入机器学习模型@@，使用基于一种叫做贝叶斯优化的@@数学技术@@的@@概率系数@@。
他说@@@@，使用该系统@@，“有了一个来自实验数据的@@模型@@，我们可以找出以前无法看到的@@趋势@@”。例如@@，他们最初在调整环境中的@@湿度@@不受控制的@@变化时遇到了困难@@。但该模型向他们表明@@，“例如@@，我们可以通过改变温度@@和改变其他一些旋钮来克服我们的@@湿度@@挑战@@”。
该系统现在允许实验者更迅速地指导他们的@@过程@@，以便针对一组特定的@@条件或@@所需的@@结果进行优化@@。在他们的@@实验中@@，该团队专注于优化功率输出@@，但该系统也可用于同时纳入其他标准@@，如成本和耐久性@@。Buonassisi说@@，该团队的@@成员正在继续努力@@。
赞助这项工作的@@美国能源部鼓励科学家们将这项技术@@商业化@@，他们目前正专注于向现有的@@钙钛矿制造商进行技术@@转让@@。Buonassisi说@@：“我们现在正在与公司接触@@，而且他们开发的@@代码已经通过一个开源服务器免费提供@@。它现在在@@GitHub上@@，任何人都可以下载它@@，任何人都可以运行它@@。我们很高兴帮助公司开始使用我们的@@代码@@。”
刘哲说@@@@，已经有几家公司正在准备@@生产基于钙钛矿的@@太阳能电池@@板@@，尽管他们仍在研究如何生产它们的@@细节@@。他说@@@@，那里的@@公司还没有进行大规模的@@生产@@，而是从较小的@@@@、高价值的@@应用开始@@，如建筑一体化的@@太阳能瓦片@@，其中外观很重要@@。他说@@@@，其中三家公司@@“正在按计划或@@在投资者的@@推动下@@，在两年内生产@@1米乘@@2米的@@矩形模块@@（与今天最常见的@@太阳能板相当@@）”。
“问题是@@，他们没有就使用何种制造技术@@达成共识@@，”刘哲说@@@@。他说@@@@，斯坦福大学开发的@@@@RSPP方法@@ “仍有很大机会@@”具有竞争力@@。而且该团队开发的@@机器学习系统可以证明在指导最终使用的@@任何工艺的@@优化方面非常重要@@。
他说@@@@：“主要目标是加快进程@@，因此@@需要更少的@@时间@@、更少的@@实验和更少的@@人力时间来开发一些可立即使用的@@东西@@，免费提供给工业界@@。”
多伦多大学大学教授@@Ted Sargent说@@：“关于机器学习驱动的@@钙钛矿光伏制造的@@现有工作主要集中在旋涂上@@@@，这是一种实验室规模的@@技术@@@@，”他并未参与这项工作@@。他说@@@@这项工作展示了@@“一种很容易适应主导薄膜行业的@@沉积技术@@的@@工作流程@@。只有少数几个小组同时拥有工程和计算方面的@@专业知识来推动这样的@@进展@@”。Sargen补充说@@@@，这种方法@@@@“对更广泛的@@材料家族的@@制造来说@@可能是一个令人兴奋的@@进步@@”，包括@@LED、其他光伏技术@@和石墨烯@@，“总之@@，任何使用某种形式的@@蒸气或@@真空沉积的@@行业@@。”