(أخبار نانويرك) البيروفسكايت* من المواد التي تعتبر المنافس الرئيسي لاستبدال الخلايا الكهروضوئية الحالية المصنوعة من السيليكون. إنها ألواح أرق وأخف وزنًا، ويمكن تصنيعها بإنتاجية عالية جدًا في درجة حرارة الغرفة بدلاً من مئات الدرجات، وتكون أرخص وأسهل في النقل والتركيب. لكن جلب هذه المواد من التجارب المعملية الخاضعة للرقابة إلى منتج يمكن تصنيعه بشكل تنافسي كان بمثابة صراع طويل.
يتضمن تصنيع الخلايا الشمسية القائمة على البيروفسكايت تحسين ما لا يقل عن اثني عشر متغيرًا أو نحو ذلك في وقت واحد ضمن نهج تصنيع محدد من بين العديد من الاحتمالات. لكن النهج الجديد الذي يعتمد التعلم الآلي يمكن أن يسرع من تطوير أساليب الإنتاج المحسّنة ويساعد في جعل الجيل القادم من الطاقة الشمسية حقيقة واقعة.
النظام، الذي طوره باحثون في معهد ماساتشوستس للتكنولوجيا وجامعة ستانفورد على مدى السنوات القليلة الماضية، يجعل من الممكن دمج البيانات من التجارب السابقة، والمعلومات المستندة إلى الملاحظات الشخصية من قبل ذوي الخبرة، في عملية التعلم الآلي. وهذا يجعل النتائج أكثر دقة وقد أدى بالفعل إلى تصنيع خلايا البيروفسكايت بكفاءة بتحويل الطاقة لتبلغ 18.5 بالمائة، وهو مستوى تنافسي لسوق اليوم.
نُشر البحث في دورية “Joule” تحت عنوان (“التعلم الآلي مع قيود المعرفة لتحسين عملية تصنيع خلايا البيروفسكايت الشمسية في الهواء الطلق**”)، في ورقة كتبها أستاذ الهندسة الميكانيكية في معهد ماساتشوستس للتكنولوجيا تونيو بوناسيسي، وأستاذ علوم المواد والهندسة في جامعة ستانفورد، رينهولد داوسكاردت، ومساعد أبحاث معهد ماساتشوستس للتكنولوجيا حديثًا زهي ليو، وخريج الدكتوراه في جامعة ستانفورد، نيكولاس رولستون، وثلاثة آخرين.
البيروفسكايت عبارة عن مجموعة من المركبات البلورية ذات الطبقات المحددة بواسطة تكوين الذرات في شبكتها البلورية. هناك الآلاف من هذه المركبات الممكنة والعديد من الطرق المختلفة لصنعها. في حين أن معظم عمليات تطوير مواد البيروفسكايت في المختبرات والمعامل تستخدم تقنية طلاء بالدوران، وهذا ليس عمليًا للتصنيع على نطاق تجاري واسع، لذلك تبحث الشركات والمختبرات في جميع أنحاء العالم عن طرق تجعل مواد المختبر هذه إلى منتج عملي قابل للتصنيع التجاري.
يقول رولستون، وهو أستاذ مساعد في جامعة ولاية أريزونا “هناك دائمًا تحدٍ كبير عندما تحاول نقل تجارب معملية من نطاق المعمل إلى شركة ناشئة أو خط تصنيع تجاري ذات جدوى اقتصادية، لقد نظر الفريق إلى العملية التي شعروا أنها تنطوي على أكبر الإمكانات وهي طريقة تسمى المعالجة بالبلازما بالرش السريع “. ستشمل عملية التصنيع سطحًا متحركًا من لفة إلى لفة، أو سلسلة من الألواح، حيث يتم رش المحاليل الأولية لمركب البيروفسكايت أو رشها بالحبر خلال دوران الصفيحة. تنتقل المادة بعد ذلك إلى مرحلة المعالجة، مما يوفر ناتجًا سريعًا ومستمرًا بإنتاجية أعلى من أي تقنية من تقنيات تصنيع الخلايا الكهروضوئية”.
وقد أضاف رولستون “يتمثل الاختراق الحقيقي في هذه المنصة في أنها ستسمح لنا بالتوسع بطريقة لا تسمح لنا بها أي مادة أخرى، حتى المواد مثل السيليكون تتطلب إطارًا زمنيًا أطول بسبب المعالجة التي يتم إجراؤها. في حين يمكنك التفكير في [هذا النهج على أنه] أشبه بالطلاء بالرش.”
تؤثر هذه العملية على نتيجة عشرات المتغيرات على الأقل، وبعضها يمكن التحكم فيها أكثر من البعض الآخر. يتضمن ذلك تكوين مواد البداية، ودرجة الحرارة، والرطوبة، وسرعة مسار المعالجة، ومسافة الفوهة المستخدمة لرش المادة المتفاعلة، وطرق معالجة المادة. من المستحيل تقييم جميع التركيبات الممكنة لهذه المتغيرات بواسطة التجربة، لذلك كان التعلم الآلي ضروريًا للمساعدة في توجيه العملية التجريبية.
ولكن بينما تستخدم معظم أنظمة التعلم الآلي بيانات أولية مثل قياسات الخصائص الكهربائية وغيرها من خصائص عينات الاختبار، فإنها لا تدمج عادةً الخبرة البشرية مثل الملاحظات النوعية التي يقوم بها المجربون للخصائص المرئية وغيرها من الخصائص لعينات الاختبار، أو معلومات من تجارب أخرى أبلغ عنها باحثون آخرون. لذلك، وجد الفريق طريقة لدمج مثل هذه المعلومات الخارجية في نموذج التعلم الآلي، باستخدام عامل احتمالية يعتمد على تقنية رياضية تسمى ” Bayesian Optimization***”.
ويقول رولستون “باستخدام هذا النظام، بوجود نموذج يأتي من البيانات التجريبية، يمكننا اكتشاف الاتجاهات التي لم نكن قادرين على رؤيتها من قبل “. على سبيل المثال، واجهوا في البداية مشكلة في التكيف مع الاختلافات غير المنضبطة في الرطوبة في البيئة المحيطة بها. لكن النموذج أظهر لهم “أنه يمكننا التغلب على تحديات الرطوبة لدينا بواسطة تغيير درجة الحرارة، على سبيل المثال، وتغيير بعض المقابض الأخرى.”
كما يقول بوناسيسي “يسمح النظام الآن للقائمين بالتجربة بتوجيه عمليتهم بسرعة أكبر من أجل تحسينها لمجموعة معينة من الشروط أو النتائج المطلوبة. في تجاربهم، ركز الفريق على تحسين مخرجات الطاقة، ولكن يمكن أيضًا استخدام النظام لدمج معايير أخرى في نفس الوقت، مثل التكلفة والمتانة – وهو أمر يواصل أعضاء الفريق العمل عليه”.
شجعت وزارة الطاقة، التي رعت العمل، الباحثين على تسويق التكنولوجيا، وهم يركزون حاليًا على نقل التكنولوجيا إلى الشركات المصنعة للبيروفسكايت الحالية. يقول بوناسيسي “نحن نتواصل مع الشركات الآن”، وقد تم توفير الكود الذي تم تطويره مجانًا من طريق خادم حاسوب مفتوح المصدر. يقول: “إنه موجود الآن على منصة “GitHub”، ويمكن لأي شخص تنزيله، ويمكن لأي شخص تشغيله، ويسعدنا مساعدة الشركات على البدء في استخدام الكود الخاص بنا”.
يقول ليو، وهو الآن في جامعة نورث وسترن بوليتكنيكال في شيان، الصين “بالفعل، تستعد العديد من الشركات لإنتاج الألواح الشمسية القائمة على البيروفسكايت، مع أنها لا تزل تعمل على وضع تفاصيل حول كيفية إنتاجها، لكن الشركات هناك لا تقوم بالتصنيع على نطاق واسع حتى الآن، وبدلاً من ذلك تبدأ بتطبيقات أصغر وعالية القيمة مثل بناء البلاط الشمسي المتكامل حيث يكون المظهر مهمًا. ثلاث من هذه الشركات تسير على الطريق الصحيح أو يدفعها المستثمرون لتصنيع وحدات مستطيلة مقاس 1 × 2 متر [يمكن مقارنتها بأكثر الألواح الشمسية شيوعًا اليوم]، في غضون عامين. المشكلة هي أنه ليس لديهم إجماع حول تكنولوجيا التصنيع التي يجب استخدامها “، يقول ليو أيضا “إن طريقة المعالجة السريعة بالبلازما بالرش، أو ما يعرف إختصارا ب”RSPP****”، التي تم تطويرها في جامعة ستانفورد، “لا تزال لديها فرصة جيدة” لتكون قادرة على المنافسة. وقد يثبت نظام التعلم الآلي الذي طوره الفريق أنه مهم في توجيه تحسين أي عملية يتم استخدامها في نهاية المطاف.
وقال أيضا “كان الهدف الأساسي هو تسريع العملية، لذلك تطلب الأمر وقتًا أقل وتجارب أقل وساعات بشرية أقل لتطوير شيء يمكن استخدامه في الصناعة على الفور مجانًا وفي الصناعة”، ويقول تيد سارجنت، الأستاذ الجامعي في جامعة تورنتو، الذي لم يكن مرتبطًا بهذا العمل “”يركز العمل الحالي على تصنيع البيروفسكايت الكهروضوئي الذي يحركه التعلم الآلي إلى حد بعيد على الطلاء بالدوران، وهو أسلوب يعمل في نطاق المعامل، وسير عمل فيه يتكيف بسهولة مع تقنيات الترسيب التي تهيمن على صناعة الأغشية الرقيقة. فقط عدد قليل من المجموعات لديها الخبرة المتزامنة في الهندسة والحساب لدفع مثل هذا التقدم”. يضيف سارجنت “أن هذا النهج يمكن أن يكون تقدمًا مثيرًا لتصنيع مجموعة أكبر من المواد، بما في ذلك المصابيح، والتقنيات الكهروضوئية الأخرى، والجرافين، باختصار، في أي صناعة تستخدم شكلاً من أشكال ترسيب البخار أو الفراغ”.
المصدر: ديفيد إل تشاندلر ، معهد ماساتشوستس للتكنولوجيا – الترجمة: موقع نادي نانو
الهوامش:
*البيروفسكايت مادة لها نفس التركيب البلوري مثل معدن أكسيد التيتانيوم والكالسيوم
**Machine learning with knowledge constraints for process optimization of open-air perovskite solar cell manufacturing
***هي استراتيجية تصميم متسلسلة للتحسين العالمي لوظائف الصندوق الأسود وهي لا تتخذ أي أشكال وظيفية وعادة ما يتم استخدامه في تقييم وتحسين الوظائف الباهظة الثمن.
****Rapid Spray Plasma Processing
