Исследователи предложили инструмент для ускорения процесса разработки новых фотоэлектрических элементов
Сейчас продолжается гонка по разработке более совершенных материалов и конструкций для фотоэлектрических элементов. В этом процессе есть много переменных, с помощью которых можно влиять на характеристики будущих продуктов. Например, тип материала, его толщина, расположение, геометрическая форма и т. п. Разработка новых фотоэлектрических элементов является кропотливым длительным процессом, поскольку изменения вносятся в один из параметров, чтобы оценить эффект от них. Несмотря на наличие компьютерных симуляторов, которые позволяют отслеживать такие изменения без необходимости создавать новую систему для тестирования, всё равно процесс остаётся медленным.
Изображение: mit.edu
Поэтому исследователи из Массачусетского технологического института и Google Brain разработали инструмент, позволяющий не просто оценить один предложенный дизайн за раз, но также получить информацию о том, какие изменения приведут к желаемому улучшению. Благодаря такому подходу, специалисты смогут увеличить скорость обнаружения более совершенных конфигураций фотоэлектрических элементов.
Новую систему учёные назвали симулятором дифференцируемого солнечного элемента. Принцип её действия описан в статье, опубликованной в журнале Computer Physics Communications. Авторами статьи являются сотрудники Массачусетского технологического института Шон Манн (Sean Mann), Джузеппе Романо (Giuseppe Romano)и четыре других соавторов исследования.
Романо поясняет, что стандартные симуляторы фотоэлектрических элементов принимают детали конфигурации и выдают на выходе прогнозируемую эффективность. Эта величина представляет собой процент энергии поступающего солнечного света, который фактически преобразуется в электрический ток. Разработанный ими новый симулятор предсказывает не только эффективность, но и демонстрирует влияние входных параметров на эту эффективность. То есть, система выдаёт точный прогноз, что произойдёт с эффективностью фотоэлектрического элемента, если слой материала будет сделан толще или изменены какие-либо свойства материала.
Исследователи говорят, что их разработка не является созданием нового устройства или оборудования. Это инструмент позволяющий специалистам обнаруживать влияние тех или иных параметров на конечную эффективность фотоэлектрических элементов. Система позволяет уменьшить количество запусков симулятора для обеспечения доступа к более широкому пространству оптимизированных структур. Как говорит Романо, новый инструмент может идентифицировать уникальный набор параметров материала. До сих пор этот набор был скрыт от исследователей, поскольку запуск такого моделирования был очень сложным.
Манн утверждает, что традиционные подходы используют случайный поиск возможных вариантов. Новый инструмент позволяет отследить траекторию изменению, поскольку симулятор показывает именно те параметры, которые повлияли на изменения. Это существенно ускоряет процесс. Вместо исследования всех параметров специалисты могут идти по единственному пути, который даёт увеличение производительности.
Современные фотоэлектрические элементы состоят из нескольких слоев, которые переплетены с проводящими материалами. Они обеспечивают перенос электрического заряда от одного слоя к другому. Новая система показывает, как изменение относительной толщины разных слоёв оказывает влияние на производительность устройства. Манн говорит, что это ключевой момент, поскольку толщина в таких системах имеет решающее значение. Между распространением света и поглощением каждого слоя, а также его толщиной существует сильная взаимосвязь.
Среди прочих переменных, влияние которых позволяет оценить инструмент, можно назвать количество легирования (введение атомов другого элемента), диэлектрическую проницаемость изолирующих слоёв, ширину запрещенной зоны, меру уровней энергии фотонов света, которые могут быть захвачены различными материалами в используемых слоях. Романо говорит, что новый симулятор доступен в качестве инструмента с открытым исходным кодом. Отраслевые эксперты могут сразу использовать его для проведения исследований в области фотоэлектрических элементов. Планируется объединить вычисления этого устройства с алгоритмом оптимизации или системой машинного обучения. Тогда можно будет быстро оценить весь спектр возможных изменений и быстро найти перспективные альтернативы.
Пока симулятор основан лишь на одномерной версии солнечного элемента. Поэтому в качестве следующего этапа ученые планируют расширить его возможности за счёт включения двух и трёхмерных конфигурацией. По их словам, даже одномерная версия инструмента может охватить большинство солнечных элементов, которые производятся в настоящее время. Напрямую смоделировать тандемные элементы с использованием различных материалов в этом инструменте пока нельзя. Но, как говорит Манн, есть способы моделировать тандемный солнечный элемент, используя моделирование каждой отдельной ячейки. Симулятор, по словам исследователей, является «сквозным». Это значит, что он производит вычисления чувствительности эффективности с учетом поглощения света. Для достижения повышенной точности в будущем исследователи планируют совместить работу симулятора с имеющимися продвинутыми симуляторами дифференцируемого распространения света.
Поскольку система имеет открытый исходный код, сообщество сможет внести свой вклад в её развитие. Это значит, что работать над её улучшением теперь сможет не только маленькая исследовательская группа, но и вся отрасль. Как считает доцент кафедры машиностроения в Университете Карнеги-Меллона – Венкат Вишванатан (Venkat Viswanathan), симулятор солнечных элементов является примером дифференцируемой физики, которая предоставляет новые возможности для оптимизации производительности фотоэлектрических элементов. Он говорит, что это огромный шаг вперёд в этой сфере.
Кроме Манна и Романо, в команду исследователей вошли Эрик Фадель (Eric Fadel) и Стивен Джонсон (Steven Johnson) из Массачусетского технологического института, а также Сэмюэл Шёнхольц (Samuel Schoenholz) и Экин Кубук (Ekin Cubuk) из Google Brain. Проведение этой исследовательской работы было поддержано Eni S.p.A., MIT Energy Initiative, а также MIT Quest for Intelligence.
(голосов: 1, в среднем: 5,00 из 5)
Загрузка...
