Mit Maschinellem Lernen zu leistungsstarker Photovoltaik
Perowskit-Solarzellen erreichen im Labor beeindruckende Wirkungsgrade und gelten als vielversprechende Ergänzung zu herkömmlichen Silizium-Solarzellen. Ihre kommerzielle Nutzung scheitert jedoch bislang an Herausforderungen wie der Langzeitstabilität und der Skalierung auf große Flächen. Forschende des Karlsruher Instituts für Technologie (KIT) haben nun gezeigt, dass Maschinelles Lernen (ML) entscheidend dazu beitragen kann, diese Probleme zu überwinden. Ihre aktuellen Forschungsergebnisse wurden in der Fachzeitschrift Energy and Environmental Science veröffentlicht (DOI: 10.1039/D4EE03445G).
Maschinelles Lernen als Schlüssel zur Effizienzsteigerung
Die Herstellung von Perowskit-Solarzellen erfordert präzise Prozesskontrolle, um eine gleichbleibend hohe Materialqualität zu gewährleisten. "Die Perowskit-Photovoltaik steht an der Schwelle zur Kommerzialisierung, aber wir müssen noch Herausforderungen wie Prozessstabilität und Homogenität lösen", erklärt Professor Ulrich Wilhelm Paetzold vom Institut für Mikrostrukturtechnik und dem Lichttechnischen Institut (LTI) des KIT. Hier setzt Maschinelles Lernen an: Mit Hilfe von Deep Learning, einer fortgeschrittenen Methode des ML, lassen sich Materialeigenschaften und Wirkungsgrade präzise vorhersagen.
Früherkennung von Prozessfehlern in Echtzeit
"Unsere Methode erlaubt es, Prozessfehler bereits während der Fertigung zu identifizieren, bevor die Solarzellen vollständig produziert sind", erklärt Felix Laufer, wissenschaftlicher Mitarbeiter am LTI und Erstautor der Studie. "Dank der Schnelligkeit und Effizienz von ML können wir Datenanalysen durchführen, die mit herkömmlichen Methoden nur schwer umsetzbar wären."
Ein neu entwickelter Datensatz zur Dokumentation der Perowskit-Dünnschichtbildung ermöglicht mittels Deep Learning eine exakte Zuordnung von Prozessdaten zu relevanten Zielvariablen, etwa der Energieumwandlungseffizienz.
Ein entscheidender Schritt zur industriellen Nutzung
Professor Paetzold sieht in den Ergebnissen einen wichtigen Fortschritt: "Durch die Kombination aus erweiterten Charakterisierungsmethoden und ML-Techniken können wir Prozessschwankungen quantifizieren und die Materialqualität über große Flächen hinweg sichern. Dies ist ein entscheidender Schritt in Richtung industrieller Anwendbarkeit." Die Perowskit-Photovoltaik könnte somit schon bald eine zentrale Rolle in der Energiewende spielen und die Photovoltaikbranche nachhaltig verändern.
