Tandemsolarzellen auf Basis von Perowskit-Halbleitern können das Sonnenlicht effizienter in elektrischen Strom umwandeln als herkömmliche Silizium-Solarzellen. Um diese Technologie zur Marktreife zu bringen, müssen zuvor die Stabilität und Produktionsprozesse weiter verbessert werden. Forschenden des Karlsruher Instituts für Technologie, der Plattformen Helmholtz Imaging am Deutschen Krebsforschungszentrum und Helmholtz AI haben nun einen Weg gefunden, um die Qualität von Perowskit-Schichten und damit der Solarzellen vorherzusagen. Mittels maschinellen Lernens und neuen Methoden der Künstlichen Intelligenz (KI) lassen sich diese bereits bei der Herstellung aus Variationen in der Lichtemission erkennen.
Perowskit-Tandemsolarzellen kombinieren eine Perowskit- mit einer konventionellen Solarzelle und sind mit einem Wirkungsgrad von gegenwärtig rund 33 Prozent viel effizienter sind als herkömmliche Silizium-Solarzellen. Zudem bestehen sie aus kostengünstigen Ausgangsstoffen und werden mit einfacheren Verfahren gefertigt. Voraussetzung für den hohen Wirkungsgrad ist eine sehr hochwertige und extrem dünne Perowskit-Schicht, deren Herstellung ohne Defekte und Löcher eine der größten Herausforderungen darstellt.
Um herauszufinden, welche Faktoren die Beschichtung beeinflussen, hat sich ein interdisziplinäres Team zusammengeschlossen und KI-Methoden entwickelt, welche sogenannte Neuronale Netzwerke mithilfe eines großen Datensatzes trainieren und analysieren. Dieser Datensatz beinhaltet Videoaufnahmen der Photolumineszenz der Perowskit-Dünnschichten während des Herstellungsprozesses. Weiter wurde KI für Maschinelles Lernen darauf trainiert, für Menschen nicht erkennbare Indizien für eine gute oder schlechte Beschichtung in den Aufnahmen zu finden. Um diese sehr breit gestreuten Hinweise der Deep-Learning-KI zu filtern und zu analysieren, nutzten die Wissenschaftler:innen im Nachgang Methoden der Erklärbaren Künstlichen Intelligenz, mit dem Ergebnis, dass die Forschenden im Versuch erkennen konnten, dass die Photolumineszenz während der Produktion variiert und dies die Beschichtungsqualität beeinflusst. Nach weiterem Training der Neuronalen Netzwerke konnte die KI voraussagen,
ob eine gefertigte Solarzelle einen niedrigen oder hohen Wirkungsgrad erreicht, je nachdem wann welche Variation in der Lichtemission im Laufe der Produktion stattfand.
Dank des kombinierten Einsatzes der KI haben die Forschenden nun einen Anhaltspunkt dafür, an welchen Stellschrauben gedreht werden müsse, um die Produktion der Perowskit-Solarzellen zu verbessern. Die Ergebnisse stellen darüber hinaus eine Blaupause für die Folgeforschung dar, sowie für viele weitere Aspekte in der Energieforschung und den Materialwissenschaften.
Weitere Quellen:
