Bron:sciencedaily.com
In de voortdurende race om steeds betere materialen en configuraties voor zonnecellen te ontwikkelen, zijn er veel variabelen die kunnen worden aangepast om de prestaties te verbeteren, waaronder materiaaltype, dikte en geometrische opstelling. Het ontwikkelen van nieuwe zonnecellen is over het algemeen een moeizaam proces geweest van het maken van kleine veranderingen in een van deze parameters tegelijk. Hoewel computationele simulatoren het mogelijk hebben gemaakt om dergelijke veranderingen te evalueren zonder dat elke nieuwe variatie daadwerkelijk moet worden gebouwd om te testen, blijft het proces traag.
Nu hebben onderzoekers van MIT en Google Brain een systeem ontwikkeld dat het mogelijk maakt om niet slechts één voorgesteld ontwerp tegelijk te evalueren, maar ook om informatie te geven over welke veranderingen de gewenste verbeteringen zullen opleveren. Dit zou de snelheid voor het ontdekken van nieuwe, verbeterde configuraties aanzienlijk kunnen verhogen.
Het nieuwe systeem, een differentieerbare zonnecelsimulator genoemd, wordt beschreven in een paper gepubliceerd in het tijdschrift Computer Physics Communications, geschreven door MIT junior Sean Mann, onderzoekswetenschapper Giuseppe Romano van MIT's Institute for Soldier Nanotechnologies, en vier anderen bij MIT en bij Google Brain.
Traditionele zonnecelsimulatoren, legt Romano uit, nemen de details van een zonnecelconfiguratie en produceren als output een voorspelde efficiëntie - dat wil zeggen, welk percentage van de energie van binnenkomend zonlicht daadwerkelijk wordt omgezet in elektrische stroom. Maar deze nieuwe simulator voorspelt zowel de efficiëntie als laat zien hoeveel die output wordt beïnvloed door een van de inputparameters."Het vertelt je direct wat er met de efficiëntie gebeurt als we deze laag wat dikker maken, of wat er gebeurt met de efficiëntie als we bijvoorbeeld de eigenschap van het materiaal veranderen," hij zegt.
In het kort, zegt hij,"we hebben'geen nieuw apparaat ontdekt, maar we hebben een tool ontwikkeld waarmee anderen sneller andere krachtigere apparaten kunnen ontdekken." Met behulp van dit systeem verminderen we het aantal keren dat we een simulator nodig hebben om sneller toegang te krijgen tot een grotere ruimte met geoptimaliseerde structuren." Bovendien, zegt hij,"onze tool kan een unieke set materiële parameters identificeren die tot nu toe verborgen zijn gebleven omdat het's erg complex is om die simulaties uit te voeren."
Terwijl traditionele benaderingen in wezen een willekeurige zoektocht naar mogelijke variaties gebruiken, zegt Mann, met zijn tool"we kunnen een traject van verandering volgen omdat de simulator je vertelt in welke richting je je apparaat wilt veranderen. Dat maakt het proces veel sneller, want in plaats van de hele ruimte van kansen te verkennen, kun je gewoon een enkel pad volgen" die direct leidt tot betere prestaties.
Aangezien geavanceerde zonnecellen vaak zijn samengesteld uit meerdere lagen die zijn verweven met geleidende materialen om elektrische lading van de ene naar de andere te transporteren, onthult deze rekentool hoe het veranderen van de relatieve dikte van deze verschillende lagen de output van het apparaat' zal beïnvloeden."Dit is erg belangrijk omdat de dikte van cruciaal belang is. Er is een sterk samenspel tussen lichtvoortplanting en de dikte van elke laag en de absorptie van elke laag," legt Mann uit.
Andere variabelen die kunnen worden geëvalueerd, zijn onder meer de hoeveelheid doping (de introductie van atomen van een ander element) die elke laag ontvangt, of de diëlektrische constante van isolerende lagen, of de bandgap, een maat voor de energieniveaus van fotonen van licht die kunnen worden gevangen door verschillende materialen die in de lagen worden gebruikt.
Deze simulator is nu beschikbaar als een open source-tool die onmiddellijk kan worden gebruikt om onderzoek op dit gebied te begeleiden, zegt Romano."Het is klaar en kan door experts uit de industrie worden overgenomen." Om er gebruik van te maken, zouden onderzoekers de berekeningen van dit apparaat' koppelen aan een optimalisatie-algoritme, of zelfs een machine learning-systeem, om snel een breed scala aan mogelijke veranderingen te beoordelen en snel in te spelen op de meest veelbelovende alternatieven.
Op dit moment is de simulator gebaseerd op slechts een eendimensionale versie van de zonnecel, dus de volgende stap zal zijn om de mogelijkheden uit te breiden met twee- en driedimensionale configuraties. Maar zelfs deze 1D-versie"kan de meeste cellen dekken die momenteel in productie zijn," zegt Romano. Bepaalde variaties, zoals zogenaamde tandemcellen die verschillende materialen gebruiken, kunnen nog niet rechtstreeks door deze tool worden gesimuleerd, maar" er zijn manieren om een tandemzonnecel te benaderen door elk van de individuele cellen te simuleren," ; zegt Mann.
De simulator is"end-to-end," Romano zegt, wat betekent dat het de gevoeligheid van de efficiëntie berekent, ook rekening houdend met lichtabsorptie. Hij voegt eraan toe:"Een aantrekkelijke toekomstige richting is het samenstellen van onze simulator met geavanceerde bestaande differentieerbare lichtvoortplantingssimulatoren, om een grotere nauwkeurigheid te bereiken."
Vooruit, zegt Romano, omdat dit een open-sourcecode is,"dat betekent dat als het' eenmaal daar is, de gemeenschap eraan kan bijdragen. En dat's waarom we echt opgewonden zijn." Hoewel deze onderzoeksgroep"slechts een handvol mensen is," hij zegt dat nu iedereen die in het veld werkt zijn eigen verbeteringen en verbeteringen aan de code kan aanbrengen en nieuwe mogelijkheden kan introduceren.
& quot;Differentiële fysica gaat nieuwe mogelijkheden bieden voor de simulaties van technische systemen," zegt Venkat Viswanathan, een universitair hoofddocent werktuigbouwkunde aan de Carnegie Mellon University, die niet betrokken was bij dit werk."De differentieerbare zonnecelsimulator is een ongelooflijk voorbeeld van differentieerbare fysica, die nu nieuwe mogelijkheden kan bieden om de prestaties van zonnecellen te optimaliseren," zegt hij en noemt de studie"een spannende stap voorwaarts."
Naast Mann en Romano bestond het team uit Eric Fadel en Steven Johnson van het MIT, en Samuel Schoenholz en Ekin Cubuk van Google Brain. Het werk werd gedeeltelijk ondersteund door Eni SpA en het MIT Energy Initiative, en de MIT Quest for Intelligence.
