縮短尋找與配對太陽能材料時間,美科學家用機器學習加速鈣鈦礦進展

作者 | 發布日期 2019 年 12 月 18 日 19:05 | 分類 AI 人工智慧 , 太陽能 , 能源科技 follow us in feedly


得益於材料成本低、製程便宜,鈣鈦礦太陽能是近年來發展相當強勢的新興技術,轉換效率進步飛速,已經從十年前的 3% 進步到 24% 以上,而現在美國科學家透過機器學習,未來將能進一步加速鈣鈦礦太陽能的製造速度。

鈣鈦礦太陽能不含鈣與鈦,是種採用「鈣鈦礦」結構的電池,人們可以把鈣鈦礦晶體結構當成三元組(triad),一部分是鉛,其他部分則是由甲基銨等有機成分與溴、碘鹵化物組成,添加不同元素或化合物就會有不同的效果,而為了加速鈦鈣礦太陽能的商業化進展,各國科學家除了祭出各式製造配方,也在製程方面下一番功夫。

有別於現在常見的矽晶太陽能需要真空與超過 1,000℃ 的高溫製造環境,我們能透過固態或液態加工來製造鈣鈦礦太陽能電池,也可以用印刷與噴塗技術來完成,具有非常高的靈活性,只可惜目前鈣鈦礦太陽能電池還具有不穩定缺點,還需要再深入研究。

美國中央佛羅里達大學(UCF)則為了研發出成本、壽命與效率兼具的太陽能技術,決定用人工智慧助鈣鈦礦一臂之力。該團隊展讀 2,000 多種與鈣鈦礦相關的讀物與論文,並讓人工智慧「學習」300 多個數據點,再進一步分析並預測哪種配方最為有效。

奈米科學技術中心副教授 Jayan Thomas 表示,研究實驗證明,這或許能變成設計新鈣鈦礦材料的使用指南,且也同時顯示機器學習可以應用在鈣鈦礦加工,以及探討鈣鈦礦材料背後的物理原理,若未來成功證實模型,研究人員也可以研發出一套公式。

近年來隨著科技日新月異,許多科學家開始透過機器學習、超級電腦來探索未知的材料與配方,像是日本大阪大學就想透過人工智慧技術縮短搜尋有機太陽能材料時間;美國能源部阿貢國家實驗室與英國劍橋大學等跨國團隊則是用超級電腦 Theta,從近 10,000 個候選染料中選出 5 位染料敏化太陽能生力軍。

應用在鈣鈦礦的例子也頗多,美國麻省理工也有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,將來最佳化研究後,材料研發時間有望從 20 年縮減到 2 年以內。而在更之前,加州大學聖地牙哥分校(UCSD)則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。

上述技術都有助於開發高效太陽能電池,進一步最佳化系統後,或許還可以降低太陽能成本。

(首圖來源:Flickr/Steve Rainwater CC BY-SA 2.0)