ペロブスカイト太陽電池|大阪大学がロボティクスとAIで最適化、変換効率24.4%を達成

BIOENGINEER.ORG アメリカ
概要
大阪大学の研究チームが、ロボティクスと機械学習を統合した自動プラットフォームを開発し、ペロブスカイト太陽電池の作製プロセスをリアルタイムで最適化した。高解像度光学イメージングを用いて液相から結晶膜への変化をミリ秒単位で追跡し、アンチソルベント(反溶媒)滴下の挙動を最適化した結果、エネルギー変換効率24.4%を達成した。これにより、従来の試行錯誤的な手法を脱し、作製条件と膜質の間にある未知の相関関係を体系的に解明することが可能になる。
詳細

主要成果

大阪大学の研究チームは、ロボティクスと機械学習を組み合わせた自動プラットフォームを開発し、ペロブスカイト太陽電池の作製における膜形成プロセスをリアルタイムで最適化することに成功した。このシステムを用いて作製された鉛ベースのペロブスカイト太陽電池は、24.4%という高い電力変換効率を達成した。膜形成の過渡的な段階で収集したデータを体系的に活用することで、最終的なデバイス性能を向上させられることが実証された。

技術・詳細

ペロブスカイト太陽電池は、液体前駆体溶液が乾燥し、固体膜として結晶化することで光吸収層が形成される。本研究で開発された自動プラットフォームは、膜の堆積プロセスと高解像度光学イメージング、および環境測定を同期させて制御する。特に、液体コーティングから結晶膜へと変化する際の膜色の急速な変化や、アンチソルベント(反溶剤)液滴の挙動に焦点を当てた。

これらの物理的変化は極めて短時間で起こるため、システムはサブ秒間隔での色変化のキャプチャと、数ミリ秒単位での液滴の動きと衝撃の解像を可能にしている。さらに、ロボットシステムから生成される膨大な診断データを解析するために機械学習アルゴリズムを導入した。これにより、手動での作製では困難な多面的な変数の解析が可能となり、作製条件と材料結果の間の複雑な関係性を明らかにしている。

背景・業界の文脈

ペロブスカイト太陽電池の製造において、液体結晶化の過程における湿度や温度、その他の処理条件のわずかな変動が、膜の品質や電気効率に大きな影響を与えることが長年の課題となっていた。従来の作製手法では、熟練者の経験に基づく試行錯誤(トライアンドエラー)に頼る部分が多く、物理的な変化を直接的に測定しながら最適化することは困難であった。

今後の展望

本プラットフォームは、自動実験、リアルタイム測定、統計的データ分析を統合することで、作製変数と薄膜品質の間の未知の相関関係を明らかにする体系的なプロトコルを提供する。研究チームは、この自動アプローチが今後の太陽光発電研究を加速させ、より実用的で高性能なペロブスカイト太陽電池の開発を後押しすると報告している。

元記事: https://bioengineer.org/robotics-and-machine-learning-optimize-perovskite-solar-cell-fabrication-in-real-time/

毎週の技術動向レポートを無料でお届け

各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。

📢 メールマガジンに無料登録(週刊・技術動向レポート)

ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。

  • 取得したメールアドレス・選択分野は配信目的にのみ使用します。
  • 第三者へ提供することはありません。
  • 配信はいつでも解除できます(各メール下部のリンクから)。

詳しくはプライバシーポリシーをご覧ください。

登録は1分・いつでも解除できます

この記事は Troy-Technical が公開しています。素材メーカーで技術開発に携わってきた技術者が、個人で運営しているサイトです。
運営者について / お問い合わせ info@troy-technical.jp
よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!

この記事を書いた人

目次