Fotovoltaika a solárna energia

img-mv26vnlb-ddcd108c

 

Popis

Premietajte perovskitové, tandemové a pasivačné materiály predikciou. MatterSeek predpovedá vlastnosti fotovoltaického materiálu zo zloženia.

 

3 77

Fotovoltaika a solárna energia —Materiálový systém / Predvídateľný výkon / Validačná cesta

 

 

 

 

 

AI pre fotovoltaické materiály – inžinier Perovskitové absorbéry a pasivačné vrstvy podľa predpovede

 

 

1. MatterSeek je platforma výskumu a vývoja materiálov AI pre vývoj fotovoltaických materiálov.

Predpovedá vlastnosti absorbérov, pasivačných vrstiev, transportných vrstiev a enkapsulačných materiálov z chemického zloženia, takže kandidátske chemické látky môžu byť zoradené pred naplánovaním poťahovania alebo žíhania.

2. Návrh fotovoltaických materiálov je viacúčelový problém.

Štruktúra absorpčného pásu musí byť vyladená pri zachovaní tepelnej a vlhkostnej stability; pasivačná chémia musí potlačiť rekombináciu rozhrania bez zavedenia parazitickej absorpcie; tandemové zásobníky pridávajú obmedzenie kompatibility navrch oboch. Každý z týchto cieľov sa zvyčajne testuje prostredníctvom samostatných kampaní na výrobu a meranie a kombinácie sa rýchlo množia.

3. Nahraďte prvé kolo skríningu predikciou.

Popíšte cieľový rozsah zloženia a okno vlastností, ktoré potrebujete, a MatterSeek vráti hodnotených kandidátov s predpokladanými hodnotami vlastností a neistotou. Platforma zvláda jeden až štyri základné prvky s presnosťou na úrovni dopingu 0,02 – čo je zrnitosť, ktorú štúdie legovania a substitúcie miesta A alebo miesta B skutočne vyžadujú. Predpoveď sa dokončí približne za minútu pre dva základné prvky, až sedem minút pre štyri. Výsledky sú prezentované ako radarové grafy na porovnanie viacerých nehnuteľností, 2D a 3D tepelné mapy, ktoré vizualizujú krajiny nehnuteľností naprieč kompozičným priestorom, a exportovateľné dátové tabuľky na následné preskúmanie návrhu.

4. Pokryté rodiny majetku.

Motor pokrýva rodiny optických, elektronických, tepelných, termodynamických a štrukturálnych vlastností, vrátane teploty topenia a vlastností súvisiacich s elektronickou štruktúrou – veličiny, ktoré riadia fázovú stabilitu počas žíhania a elektronické správanie absorbéra alebo transportnej vrstvy.

5. Zatvorte slučku v autonómnom laboratóriu.

Kandidáti z užšieho výberu sa presunú do autonómneho laboratória MatterSeek s rozlohou 1 200 m². Jeho šesť procesných klastrov pokrýva cesty, na ktorých záleží pre fotovoltaiku: čisté nanášanie tenkých vrstiev a následná úprava s čistením substrátu vo viacerých kúpeľoch, magnetrónové naprašovanie a odparovanie elektrónovým lúčom, plus sol-gél a superkritické sušenie pre porézne a oxidové vrstvy. Automatizovaná charakterizácia zahŕňa XRD pre fázovú identifikáciu, Ramanovu, XRF a simultánnu termickú analýzu s uvedeným cieľom 300 až 500 vzoriek za deň v závislosti od cesty. Presnosť predpovede je 95,7 % v porovnaní s fyzickým meraním.

6. Rodiny fotovoltaických materiálov, ktorým sa venujeme, zahŕňajú perovskitové absorbéry,

tandemové a transportné vrstvy, chémia pasivácie defektov, transparentné vodivé oxidy a materiály na zapuzdrenie modulov.

 

FAQ

 

 

Otázka: Dokáže MatterSeek predpovedať vlastnosti perovskitových kompozícií?

A: Áno. Definujete rozsah kompozície a okno vlastností a platforma vráti hodnotených kandidátov s predpokladanými hodnotami a neistotou pred uložením akéhokoľvek filmu.

Otázka: Ktoré výrobné cesty sú k dispozícii na overenie?

Odpoveď: Depozícia tenkých vrstiev s magnetrónovým naprašovaním a odparovaním elektrónovým lúčom, sol-gélovými cestami a superkritickým sušením – všetko automatizované v autonómnom laboratóriu.

Otázka: Aké presné sú predpovede?

Odpoveď: Presnosť 95,7 % oproti fyzikálnemu meraniu, s neistotou hlásenou na predpoveď.

Yuyao (Peking) Technology Co, Ltd je profesionálna spoločnosť špecializujúca sa na priesečník AI a pokročilých materiálov fotovoltaiky a solárnej energie. Spoločnosť nezávisle vyvinula MatterSeek – základný veľký model prispôsobený pre sektor materiálov – a stala sa priekopníkom algoritmu HNN (Hierarchical Neural Network), pričom vybudovala vlastnú, kontrolovateľnú databázu experimentov s materiálmi.