Photovoltaik und Solar

Beschreibung
Screening von Perowskit-, Tandem- und Passivierungsmaterialien durch Vorhersage. MatterSeek sagt anhand der Zusammensetzung die Eigenschaften von Photovoltaik-Materialien voraus.

Photovoltaik und Solar —Materialsystem / Vorhersehbare Leistung / Validierungspfad
KI für Photovoltaikmaterialien – Konstruieren Sie Perowskit-Absorber und Passivierungsschichten durch Vorhersage
Es prognostiziert die Eigenschaften von Absorbern, Passivierungsschichten, Transportschichten und Einkapselungsmaterialien anhand der chemischen Zusammensetzung, sodass in Frage kommende Chemikalien eingestuft werden können, bevor ein Beschichtungs- oder Glühlauf geplant wird.
Die Absorberbandstruktur muss abgestimmt werden, während die Wärme- und Feuchtigkeitsstabilität erhalten bleibt. Die Passivierungschemie muss die Grenzflächenrekombination unterdrücken, ohne eine parasitäre Absorption hervorzurufen. Tandem-Stacks fügen zusätzlich zu beiden eine Kompatibilitätsbeschränkung hinzu. Jedes dieser Ziele wird normalerweise durch separate Herstellungs- und Messkampagnen getestet, und die Kombinationen vervielfachen sich schnell.
Beschreiben Sie den Zielzusammensetzungsbereich und das Eigenschaftsfenster, das Sie benötigen, und MatterSeek gibt in der Rangfolge eingestufte Kandidaten mit vorhergesagten Eigenschaftswerten und Unsicherheit zurück. Die Plattform verarbeitet ein bis vier Grundelemente mit einer Dotierungsgenauigkeit von 0,02 – der Granularität, die Legierungs- und A-Stellen- oder B-Stellen-Substitutionsstudien tatsächlich erfordern. Die Vorhersage ist für zwei Basiselemente in etwa einer Minute abgeschlossen, für vier in bis zu sieben Minuten. Die Ergebnisse werden als Radardiagramme für den Vergleich mehrerer Immobilien, als 2D- und 3D-Heatmaps, die Immobilienlandschaften im gesamten Kompositionsraum visualisieren, und als exportierbare Datentabellen für die nachgelagerte Entwurfsprüfung präsentiert.
Die Engine umfasst optische, elektronische, thermische, thermodynamische und strukturelle Eigenschaftsfamilien, einschließlich Schmelzpunkt und Eigenschaften im Zusammenhang mit der elektronischen Struktur – die Größen, die die Phasenstabilität während des Temperns und das elektronische Verhalten einer Absorber- oder Transportschicht steuern.
Kandidaten, die in die engere Wahl kommen, beziehen das 1.200 m² große autonome Labor von MatterSeek. Seine sechs Prozesscluster decken die für die Photovoltaik wichtigen Wege ab: saubere Dünnschichtabscheidung und Nachbehandlung mit Mehrbad-Substratreinigung, Magnetronsputtern und Elektronenstrahlverdampfung sowie Sol-Gel- und überkritische Trocknung für poröse und Oxidschichten. Die automatisierte Charakterisierung umfasst XRD zur Phasenidentifizierung, Raman, RFA und gleichzeitige thermische Analyse, mit einem angegebenen Ziel von 300 bis 500 Proben pro Tag, abhängig von der Route. Die Vorhersagegenauigkeit beträgt 95,7 % im Vergleich zur physikalischen Messung.
Tandem- und Transportschichten, Defektpassivierungschemie, transparente leitfähige Oxide und Modulverkapselungsmaterialien.
FAQ
F: Kann MatterSeek Eigenschaften von Perowskit-Zusammensetzungen vorhersagen?
A: Ja. Sie definieren den Kompositionsbereich und das Eigenschaftsfenster, und die Plattform gibt bewertete Kandidaten mit vorhergesagten Werten und Unsicherheiten zurück, bevor ein Film hinterlegt wird.
F: Welche Fertigungsrouten stehen zur Validierung zur Verfügung?
A: Dünnschichtabscheidung mit Magnetronsputtern und Elektronenstrahlverdampfung, Sol-Gel-Routen und überkritischer Trocknung – alles automatisiert im autonomen Labor.
F: Wie genau sind die Vorhersagen?
A: 95,7 % Genauigkeit im Vergleich zu physikalischen Messungen, wobei die Unsicherheit pro Vorhersage angegeben wird.
Yuyao (Beijing) Technology Co., Ltd. ist ein professionelles Unternehmen, das sich auf die Schnittstelle von KI und fortschrittlichen Materialien für Photovoltaik und Solar spezialisiert hat. Das Unternehmen hat MatterSeek unabhängig entwickelt – ein grundlegendes großes Modell, das auf den Materialsektor zugeschnitten ist – und Pionierarbeit für den HNN-Algorithmus (Hierarchical Neural Network) geleistet und gleichzeitig eine proprietäre, kontrollierbare Datenbank für Materialexperimente aufgebaut.

