top of page

機器學習&自動化:MIT新計劃加速Perovskite太陽能電池商業化

美國能源部太陽能技術辦公室(SETO)宣布,由麻省理工學院帶領的研究團隊,並包括加州大學聖地牙哥分校(UC San Diego)在內,已被選中獲得1125萬美元的共同負擔獎項,以建立一個新的研究中心,推進下一代太陽能電池的商業應用。


該中心將聚集來自工業界和學術界的研究人員,支持創建被稱為Perovskite-矽串聯太陽模組的材料,這是由堆疊的材料製成的太陽能電池-矽和Perovskite結合在一起吸收更多太陽能光譜的能量,結果使效率顯著提高。相比傳統的太陽能電池,這種模組能夠產生更多的電力,有望在應對氣候變化和轉向清潔能源的過程中發揮重要作用。



然而,目前創建Perovskite層的方法需要進行繁瑣的設計迭代和測試,很難在大規模上重現,抑制了它們的商業應用。現有的方法,穩定性和效率之間通常存在一個權衡。新的研究中心將通過使用機器學習和自動化指導的共優化框架來解決這些挑戰。工業和學術界的研究人員將共同開發Perovskite-矽串聯太陽模組,這些模組旨在實現穩定性和性能的共同設計,並旨在顯著加速研發和將這些成就轉移到商業環境中。


UC San Diego的納米工程副教授David Fenning與Buonassisi自2014年開始在AI和太陽能領域將材料、自動化和計算結合的想法上進行了合作。現在,ADDEPT計劃的核心是利用機器學習和機器篩選來優化Perovskite材料的處理,以實現效率和耐久性。


關於 ADDEPT:

ADDEPT(Accelerated Co-Design of Durable, Reproducible, and Efficient Perovskite Tandems)

專案是麻省理工學院(MIT)發起的一個項目,旨在開發新型鈣鈦礦太陽能技術,以提高其效率和耐久性。鈣鈦礦太陽能電池具有較高的轉換效率和較低的生產成本,這使得其成為一個具有潛力的替代能源選擇。然而,由於鈣鈦礦材料本身的不穩定性,以及與其他材料的界面問題,其耐久性受到質疑,進一步限制了其商業化應用。因此,ADDEPT專案將致力於解決這些問題,提高鈣鈦礦太陽能電池的效率和耐久性,以推動其從實驗室走向工業生產。該專案利用機器學習和機器人篩選優化鈣鈦礦太陽能材料的加工過程,以降低生產成本和提高效率。參與ADDEPT專案的研究小組包括Buonassisi的可持續加速材料實驗室(AMLS)、Bulović的實驗室和Fenning的實驗室,各自負責鈣鈦礦太陽能材料的不同方面的研究和開發。其中Fenning的實驗室負責使用高通量工具合成和表徵原型材料和太陽能電池。鈣鈦礦太陽能技術的應用前景廣闊,可以應用於建築物、載具、可穿戴裝置等各種場合,因此,ADDEPT專案的成果將對未來的可持續能源發展產生重要影響。


參考資料:





83 次查看

最新文章

查看全部

美國對東南亞太陽能板祭出重罰,中國廠商轉入印尼、寮國

美國商務部於11月29日宣布對柬埔寨、馬來西亞、泰國和越南等四個東南亞國家的太陽能板進口徵收21.31%至271.2%不等的反傾銷稅。這是繼10月1日首次初步裁定後的第二次重大決定,主要針對在這些國家設廠的中國太陽能企業。 裁定重點影響...

Comments


bottom of page