機器學習助鈣鈦礦踩油門,太陽能材料分析速度快 10 倍

作者 | 發布日期 2019 年 06 月 13 日 13:59 | 分類 太陽能 , 尖端科技 , 能源科技 follow us in feedly


鈣鈦礦是近年來備受歡迎的太陽能潛力材料,不少團隊正孜孜不倦尋找最佳製造配方,進一步提高轉換效率與延長使用壽命,最近美國麻省理工更開發出全新的流線型(Streamlined)材料製造與分析系統,除了成功將合成與分析速度加快 10 倍,也找出 2 種候選無鉛鈣鈦礦材料,未來最佳化研究後,材料研發時間有望從 20 年縮減到 2 年以內。

鈣鈦礦太陽能不含鈣與鈦,是種採用「鈣鈦礦」晶體結構的材料,其製程簡易、轉換效率進步幅度大,許多科學家都看好該技術的發展,只不過它也並非完美無缺,高效率鈣鈦礦電池通常含有有毒物質「鉛」,耐用性也相當低,科學家還得再繼續尋找可用的鈣鈦礦材料。

但不同元素或化合物會有不同的效果,尋找最佳鈣鈦礦材料的路途可說是相當漫長與煎熬,能量轉換(energy-conversion)材料開發所需的時間動輒 20 年。為此已有科學團隊想藉助機器學習的力量,研製出新型潛力材料,就像是先前加州大學聖地牙哥分校(UCSD)利用資料探勘比對鈣鈦礦特性,成功找到 13 種新型太陽能潛力材料。

機器學習確實能幫助篩選候選材料,還是得在實驗室實際合成與分析化合物,有鑑於此,麻省理工科學家希望能夠過自動化與人因工程,開發出可同時製造與測試材料的系統,加速實作進展,機械工程教授 Tonio Buonassisi 表示,團隊目標是將能量轉換材料的開發時間縮短到 2 年以內。

在實驗中,團隊首先將材料沉積在基板上,形成薄膜之後再用 X 射線衍射法觀察材料結構,記錄晶體結構中原子排列,之後透過卷積神經網路(Convolutional Neural Network,CNN)訓練電腦辨識並幫助分類,Buonassisi 指出,過去光是分類步驟就要花費 3 到 5 小時,但透過機器學習,只要 5 分半就能搞定,而且準確性也高達 90%。

因此團隊在系統初步試驗中,還能在過去十分之一的時間內研究多達 75 種鈣鈦礦配方,最後更發現 2 種潛力相當高的無鉛鈣鈦礦材料,或許有助於開發高效太陽能電池。未來團隊進一步最佳化系統後,或許還可以將材料處理速度提高 10 倍到 100 倍,Buonassisi 表示,藉由最新的自動化技術,希望能進一步降低太陽能成本,盼最終可以降至每 KWh 0.02 美元。

目前研究已發表在《Joule》。

(首圖來源:Flickr/ESA_events CC BY 2.0)

延伸閱讀: