Изготовление перовскитных солнечных элементов с помощью роботизированных боксов

Аккумулятор Challenger A12-55

Международная исследовательская группа разработала роботизированную платформу на основе искусственного интеллекта, которая самостоятельно проектирует, изготавливает и оптимизирует перовскитные солнечные элементы, выполняя весь экспериментальный процесс в рамках замкнутой системы. С помощью этой платформы исследователи изготовили и протестировали более 50 000 устройств, добившись эффективности до 27%.

Перовскитные солнечные элементы

Международная исследовательская группа разработала роботизированную платформу на основе искусственного интеллекта, способную самостоятельно проектировать, изготавливать и оптимизировать перовскитные солнечные элементы.

«В основе исследования лежит идея о том, что роботизированные эксперименты должны не просто автоматизировать повторяющиеся операции, — говорится в заявлении исследователей. — Формулы и параметры кодируются в машиночитаемые рецепты, преобразуются в команды для робота, а затем возвращаются в виде структурированной обратной связи после изготовления и определения характеристик. Таким образом, система выстраивает замкнутый рабочий процесс, объединяющий рекомендации, выполнение, проверку и совершенствование модели».

С помощью этой системы исследователи изготовили и протестировали 50 764 устройства. Она основана на рецептурной языковой модели (Recipe Language Model, RLM), которая кодирует информацию из примерно 60 000 публикаций о перовскитных солнечных элементах, вышедших за последние десятилетия, а также данные, сгенерированные платформой в процессе изготовления устройств. Эти данные обрабатываются с помощью семиуровневой архитектуры искусственного интеллекта, включающей в себя обучение рецептам, генерацию рецептов, создание набора данных (RecipeQA), тонкую настройку, логические рассуждения, оценку и оптимизацию.

Автоматизированное производство запускается после этапа анализа, на котором предлагаются новые экспериментальные рецепты. Затем 11 роботизированных установок выполняют задачи по синтезу, изготовлению устройств и определению их характеристик, одновременно создавая цифровой двойник процесса. Установка включает в себя 101 функциональный блок, более 1500 компонентов и более 4300 регулируемых параметров.

В боксах 1–3 хранятся химические вещества, отбираются пробы твердых веществ и дозируются жидкости. В боксах 4–11 происходит нанесение покрытия методом центрифугирования, антисольвентное покрытие, термический отжиг, лазерная обработка, перемещение устройств, замена вакуумной системы и нанесение тонких пленок. Эти боксы также оснащены камерами, датчиками и исполнительными механизмами для определения характеристик на месте, что позволяет передавать данные в цикл развития модели.

В целом, по словам исследователей, работа роботизированной системы состоит из четырех этапов: первый — широкое, практически бессистемное изучение составов перовскита; второй — добавление присадок и самоорганизующихся монослоев (СОМ) для улучшения кристаллизации и межфазных свойств; третий — пассивация поверхности для уменьшения дефектов и повышения производительности; четвертый — сочетание слоев для переноса дырок на основе СОМ с целенаправленным добавлением присадок и пассивацией.

«На первом этапе, без использования интерфейсов и аддитивных технологий, эффективность преобразования энергии варьируется от 0% до 17,4%. Использование поверхностно-активных веществ и добавок на втором этапе сужает диапазон и повышает эффективность примерно до 23%, — показали результаты исследования. — На третьем этапе межфазная пассивация после обработки приводит к дальнейшему повышению эффективности до 25,6%. Окончательная конфигурация на четвертом этапе обеспечивает эффективность 27,0% (сертифицированная эффективность — 26,5%)».

Исследователи заявили, что главное новшество их работы заключается в объединении трех преимуществ в рамках единой системы искусственного интеллекта и робототехники с замкнутым циклом. По их словам, эта система позволяет контролировать роботизированное производство полноценных перовскитных солнечных элементов, а также роботизированную диагностику, которая преобразует результаты высокопроизводительных экспериментов в структурированные данные, связанные с лежащими в их основе механизмами. Кроме того, они отметили, что в систему включен специализированный репозиторий языковых моделей, который постоянно обучается для улучшения рекомендаций по рецептам, понимания механизмов и последующего роботизированного производства.