Uma equipe internacional de pesquisadores demonstrou uma plataforma de alto rendimento para auxiliar na descoberta de células solares orgânicas de alto desempenho adequadas para fabricação escalável. Eles usaram a tecnologia de gêmeos digitais e impressão rolo a rolo (R2R) em um sistema de circuito fechado.
Apelidada de MicroFactory, a nova plataforma foi usada para fabricar, caracterizar e analisar 11.800 dispositivos fotovoltaicos orgânicos não aceptores de fulereno (NFA) em um período de 24 horas. Depois de analisar os dispositivos iniciais, a equipe usou um grande conjunto de dados de parâmetros de fabricação e caracterização para treinar e otimizar modelos de aprendizado de máquina.
Em uma iteração subsequente, 1.200 dispositivos com PCEs aprimorados foram desenvolvidos com base em “aprendizado de máquina para a geração inversa de parâmetros”, de acordo com Leonard Ng Wei Tat, co-autor correspondente da pesquisa, que destacou que eficiências campeãs de até 9,35% foram registradas, exibindo uma “melhoria de 1% em apenas um ciclo”.
Foi necessário modificar os equipamentos de prateleira para fazer os sistemas de processamento e caracterização necessários para o estudo. “O equipamento R2R está disponível comercialmente, mas a maioria deles é destinada a fins de impressão gráfica e, em sua maioria, não é adequada para a impressão de células solares”, disse Ng à pv magazine.
“O que fizemos foi aplicar uma tecnologia centenária e madura para a fabricação de células fotovoltaicas de alto rendimento. O conceito de impressão de células solares é simples, depositando camada após camada de material funcional até construirmos uma heteroestrutura que possa atuar como os diferentes componentes necessários de uma célula solar”, afirmou Ng.
O equipamento consistia em subsistemas de revestimento e recozimento com sensores integrados. “Fabricamos as células fotovoltaicas depositando camadas funcionais em uma tira de tereftalato de polietileno (PET) com um eletrodo condutor transparente padronizado (TCE)”, afirmou a equipe de pesquisa. As camadas funcionais consistiram em uma camada de polímero condutor, PEDOT:PSS, uma camada de grade de prata e nanopartículas de óxido de zinco.
Vários sensores coletaram os dados de 36 parâmetros de processo, que são armazenados em um banco de dados em um servidor de dados remoto para serem usados nos modelos de gêmeos digitais. “Esses modelos sugeriram alterações específicas nos parâmetros vitais de fabricação, especialmente a relação doador-aceitador (D: A), e também permitiram a incorporação de novos conhecimentos científicos relatados que incluíram a introdução de novas camadas de interface”, afirmou a equipe de pesquisa.
A capacidade de coletar uma grande quantidade de dados permitiu a análise e identificação de tendências e fatores de desempenho. Como exemplo, Ng apontou para a descoberta de que o controle de umidade era muito mais importante do que o controle de temperatura para garantir dispositivos de boa qualidade. “Isso se correlaciona muito com as tendências observadas de nossas células solares fabricadas terem melhor desempenho nas condições de baixa umidade do inverno do que no verão, apesar de produzi-las no mesmo ambiente com ar condicionado durante as duas estações”, relatou.
Os cientistas enfatizaram que a abordagem iterativa, informada por insights de aprendizado de máquina, representa uma otimização estratégica como uma alternativa baseada em gêmeos digitais ao design tradicional de experimentos. “Por exemplo, fabricantes de módulos solares em grande escala podem criar rapidamente gêmeos digitais simples de seus processos para construir grandes conjuntos de dados e identificar fatores que realmente aumentem a produtividade e o rendimento”, disse Ng.
A equipe de pesquisa exigiu um conjunto de habilidades interdisciplinares, incluindo ciência de materiais, habilidades de desenvolvimento de hardware e software e conhecimento de aprendizado de máquina. “A maioria dos pesquisadores está familiarizada com apenas um domínio e requer muita coordenação e esforço para contextualizar as coisas uns para os outros”, disse Ng.
Os detalhes do estudo são discutidos em “A printing-inspired digital twin for the self-driving, high-throughput, closed-loop optimization of roll-to-roll printed photovoltaics“, publicado na Cell Reports Physical Science. Os membros da equipe de pesquisa são da Organização de Pesquisa Científica e Industrial da Commonwealth da Austrália (CSIRO), da Universidade Nacional de Pukyong da Coréia do Sul e da Universidade Tecnológica de Nanyang de Cingapura.
Olhando para o futuro, os pesquisadores avaliaam novas arquiteturas de materiais e dispositivos para células solares flexíveis de maior eficiência, além de continuar a aplicar tecnologias de inteligência artificial (IA), gêmeos digitais e recursos de geração de parâmetros inversos em outros processos, como processamento em lote e fabricação solar tradicional. “Eventualmente, esperamos desenvolver um sistema unificado que seja capaz de conectar várias máquinas, fábricas e laboratórios em todo o mundo, o que permitirá a aplicação de IA mais avançada”, finalizou Ng.
Este conteúdo é protegido por direitos autorais e não pode ser reutilizado. Se você deseja cooperar conosco e gostaria de reutilizar parte de nosso conteúdo, por favor entre em contato com: editors@pv-magazine.com.
Ao enviar este formulário, você concorda com a pv magazine usar seus dados para o propósito de publicar seu comentário.
Seus dados pessoais serão apenas exibidos ou transmitidos para terceiros com o propósito de filtrar spam, ou se for necessário para manutenção técnica do website. Qualquer outra transferência a terceiros não acontecerá, a menos que seja justificado com base em regulamentações aplicáveis de proteção de dados ou se a pv magazine for legalmente obrigada a fazê-lo.
Você pode revogar esse consentimento a qualquer momento com efeito para o futuro, em cujo caso seus dados serão apagados imediatamente. Ainda, seus dados podem ser apagados se a pv magazine processou seu pedido ou se o propósito de guardar seus dados for cumprido.
Mais informações em privacidade de dados podem ser encontradas em nossa Política de Proteção de Dados.