KIT、ペロブスカイトソーラセルのAI、製造改善のカギ

December, 6, 2023, Karlsruhe--ペロブスカイト半導体をベースとしたタンデム太陽電池は、従来のシリコン太陽電池よりも効率的に太陽光を電気に変換する。この技術を市場に投入するためには、安定性や製造プロセスのさらなる改善が求められている。
カールスルーエ工科大学(KIT)とヘルムホルツの2つのプラットフォーム、ドイツがん研究センター(DKFZ)のヘルムホルツイメージングとヘルムホルツAIの研究者は、ペロブスカイト層の品質を予測する方法を見つけることに成功し、その結果、得られる太陽電池の品質を予測することに成功した。
機械学習と人工知能(AI)の新しい手法に支えられ、 製造工程ですでに発光している発光のばらつきから品質を評価することができる。この研究成果は、よりよい製造プロセスを導き出すために活用できる。研究成果は、Advanced Materials誌に掲載された(DOI: 10.1002/adma.202307160)。

ペロブスカイトタンデム太陽電池は、ペロブスカイトソーラセルと、シリコンなどをベースにした従来のソーラセルを組み合わせたものである。これらのセルは次世代技術と見なされており、現在、従来のシリコンソーラセルよりもはるかに高い33%以上の効率を誇っている。また、安価な原材料を使用し、製造も容易である。この効率を実現するには、人間の髪の毛の数分の一の厚さしかない非常に薄い高品位ペロブスカイト層を製造する必要がある。「低コストでスケーラブルな方法を用いて、欠陥や穴のない高品位な多結晶薄層を製造することは、最大の課題の1つである」と、KITの微細構造技術研究所と軽技術研究所で研究を行うテニュアトラック教授のUlrich W. Paetzoldは説明している。
一見完璧に見える実験室条件下でも、半導体層の品質にバラツキを引き起こす未知の要因が存在する可能性がある。「この欠点は、エネルギーの転換に非常に必要とされているこれらの高効率ソーラセルの工業規模生産の迅速な開始を最終的に妨げる」(Paetzold)。

AIが効果的なコーティングの隠された兆候を見つける
コーティングに影響を与える要因を見つけるために、KITのペロブスカイトソーラセルの専門家で構成される学際的なチームは、ハイデルベルクのDKFZでヘルムホルツイメージングとヘルムホルツAIのマシンラーニングと説明可能な人工知能(XAI)の専門家と力を合わせた。研究チームは、膨大なデータセットを使用してニューラルネットワークを訓練し、分析するAI手法を開発した。このデータセットには、製造プロセス中の薄いペロブスカイト層のフォトルミネッセンスを示すビデオ録画が含まれている。フォトルミネッセンスとは、外部光源によって励起された半導体層の放射放出。DKFZのヘルムホルツ・イメージングのLukas KleinとSebastian Zieglerは、「専門家でさえ、薄い層に特定のものを見ることができなかったため、機械学習(ディープラーニング)用のAIシステムをトレーニングして、ビデオ上の何100万ものデータ項目からコーティングの良し悪しの隠れた兆候を検出するというアイデアが生まれた」と説明している。

その後、ディープラーニングAIシステムによって出力された広範囲に散在する指示をフィルタリングして分析するために、研究チームは説明可能な人工知能の方法に依拠した。

「追跡調査の青写真」
研究チームは、フォトルミネッセンスが製造中に変化し、この現象がコーティングの品質に影響を与えることを実験的に発見した。「われわれの研究の鍵は、XAI法を的を絞って使用し、高品位のソーラセルを得るためにどの要因を変更する必要があるかを調べることだった」(KleinとZiegler)。これは通常のアプローチではない。ほとんどの場合、XAIはAIモデルを構築する際のミスを避けるための一種のガードレールとしてのみ使用される。
「これはパラダイムの変化である。材料科学において、これほど体系的な方法で関連性の高い洞察を得ることは、まったく新しい経験だ」
フォトルミネッセンスの変動から導き出された結論こそが、研究チームが次のステップに進むことを可能にしたのである。ニューラルネットワークがそれに応じてトレーニングされた後、AIは、製造プロセスのどの時点で発光の変動が発生したかに基づいて、各ソーラセルが低レベルの効率を達成するか、または高レベルの効率を達成するかを予測することができた。「これらは非常にエキサイティングな結果である」とUlrich W. Paetzoldは強調している。「AI併用により、確かな手がかりが得られ、生産性を改善するために最初にどのパラメータを変更する必要があるかがわかる。今では、より的を絞った方法で実験を行うことができ、干し草の山から針を探すために目隠しをすることを強いられることはなくなった。これは、エネルギー研究や材料科学の他の多くの側面にも適用されるフォローアップ研究の青写真である。
(詳細は、https://www.kit.edu)