在光伏電池中，鈣鈦礦材料將優於硅，但大規模地製造這種電池是一個巨大的障礙。麻省理工學院（MIT）研究人員開發的一個機器學習系統將可以提供幫助。
鈣鈦礦是一個材料系列，目前是取代當今廣泛使用的硅基太陽能光伏的主要競爭者。它們有希望被用於製造更輕更薄的電池板，可以在室溫下以超高產量製造，而不是在幾百度的高溫下，而且運輸和安裝都更容易和更便宜。但是，將這些材料從小型實驗室實驗轉化為可以有競爭力地製造的產品，一直是一場曠日持久的鬥爭。
生產基於鈣鈦礦的太陽能電池需要同時優化至少十幾個變量，即使是在眾多可能性中的一個特定的製造方法中。然而，一個基於機器學習新方法的新系統可以加快優化生產方法的發展，並幫助下一代太陽能發電成為現實。
該系統由麻省理工學院和斯坦福大學的研究人員在過去幾年中開發，使其有可能將先前的實驗數據以及基於有經驗的工人的個人觀察的信息整合到機器學習過程中。這使得結果更加準確，並且已經促成了能量轉換效率為18.5%的鈣鈦礦電池的製造，這對於今天的市場來說是一個有競爭力的水平。
這項研究最近發表在《焦耳》雜誌上，論文作者是麻省理工學院機械工程教授Tonio Buonassisi、斯坦福大學材料科學和工程教授 Reinhold Dauskardt、麻省理工學院最近的研究助理劉哲、斯坦福大學博士畢業生 Nicholas Rolston和其他三人。
鈣鈦礦是一組層狀結晶化合物，由其晶格中的原子構型決定。有數以千計的這種可能的化合物和許多不同的製造方法。雖然大多數實驗室規模的鈣鈦礦材料的開發使用旋塗技術，但這對於更大規模的製造來說並不實用，因此世界各地的公司和實驗室一直在尋找將這些實驗室材料轉化為實用、可製造產品的方法。
現在是亞利桑那州立大學副教授的Rolston說：“當你試圖採用實驗室規模的工藝，然後將其轉移到像初創企業或製造生產線上時，總是有一個很大的挑戰。”該團隊研究了一個他們認為最有潛力的工藝，一種叫做快速噴射等離子體加工的方法，或稱RSPP。
該製造工藝將涉及一個移動的卷對卷表面，或一系列板材，當板材滾動時，過氧化物化合物的前體溶液將被噴塗或噴墨在上面。然後材料將進入固化階段，提供快速和連續的輸出，“其產量高於任何其他光伏技術，”Rolston說。
他補充說：“這個平台的真正突破是，它將使我們能夠以一種其他材料無法做到的方式進行擴展。即使像硅這樣的材料也需要更長的時間框架，因為要進行加工。而你可以認為（這種方法更）像噴漆。”
在這個過程中，至少有十幾個變量可能會影響結果，其中一些變量比其他變量更容易控制。這些變量包括起始材料的成分、溫度、濕度、加工路徑的速度、用於將材料噴到基材上的噴嘴的距離，以及固化材料的方法。這些因素中的許多因素可以相互影響，如果加工過程是在露天，那麼濕度，例如，可能是無法控制的。通過實驗評估這些變量的所有可能組合是不可能的，所以需要機器學習來幫助指導實驗過程。
但是，雖然大多數機器學習系統使用的是原始數據，如對測試樣品的電氣和其他屬性的測量，但它們通常不會納入人類的經驗，如實驗者對測試樣品的視覺和其他屬性的定性觀察，或其他研究人員報告的其他實驗的信息。因此，該團隊找到了一種方法，將這種外部信息納入機器學習模型，使用基於一種叫做貝葉斯優化的數學技術的概率係數。
他說，使用該系統，“有了一個來自實驗數據的模型，我們可以找出以前無法看到的趨勢”。例如，他們最初在調整環境中的濕度不受控制的變化時遇到了困難。但該模型向他們表明，“例如，我們可以通過改變溫度和改變其他一些旋鈕來克服我們的濕度挑戰”。
該系統現在允許實驗者更迅速地指導他們的過程，以便針對一組特定的條件或所需的結果進行優化。在他們的實驗中，該團隊專註於優化功率輸出，但該系統也可用於同時納入其他標準，如成本和耐久性。Buonassisi說，該團隊的成員正在繼續努力。
贊助這項工作的美國能源部鼓勵科學家們將這項技術商業化，他們目前正專註於向現有的鈣鈦礦製造商進行技術轉讓。Buonassisi說：“我們現在正在與公司接觸，而且他們開發的代碼已經通過一個開源服務器免費提供。它現在在GitHub上，任何人都可以下載它，任何人都可以運行它。我們很高興幫助公司開始使用我們的代碼。”
劉哲說，已經有幾家公司正在準備生產基於鈣鈦礦的太陽能電池板，儘管他們仍在研究如何生產它們的細節。他說，那裡的公司還沒有進行大規模的生產，而是從較小的、高價值的應用開始，如建築一體化的太陽能瓦片，其中外觀很重要。他說，其中三家公司“正在按計劃或在投資者的推動下，在兩年內生產1米乘2米的矩形模塊（與今天最常見的太陽能板相當）”。
“問題是，他們沒有就使用何種製造技術達成共識，”劉哲說。他說，斯坦福大學開發的RSPP方法 “仍有很大機會”具有競爭力。而且該團隊開發的機器學習系統可以證明在指導最終使用的任何工藝的優化方面非常重要。
他說：“主要目標是加快進程，因此需要更少的時間、更少的實驗和更少的人力時間來開發一些可立即使用的東西，免費提供給工業界。”
多倫多大學大學教授Ted Sargent說：“關於機器學習驅動的鈣鈦礦光伏製造的現有工作主要集中在旋塗上，這是一種實驗室規模的技術，”他並未參與這項工作。他說這項工作展示了“一種很容易適應主導薄膜行業的沉積技術的工作流程。只有少數幾個小組同時擁有工程和計算方面的專業知識來推動這樣的進展”。Sargen補充說，這種方法“對更廣泛的材料家族的製造來說可能是一個令人興奮的進步”，包括LED、其他光伏技術和石墨烯，“總之，任何使用某種形式的蒸氣或真空沉積的行業。”