现在，麻省理工学院（MIT）和Google Brain的研究人员已经开发了一个系统，使其不仅能够一次评估一个拟议的设计，而且能够提供关于哪些变化将提供所需改进的信息。这可以大大增加发现新的、改进的配置的速度。
今天发表在《计算机物理学通讯》杂志上的一篇论文描述了这个新系统，它被称为可分化的太阳能电池模拟器，由麻省理工学院大三学生Sean Mann、麻省理工学院士兵纳米技术研究所的研究科学家Giuseppe Romano以及麻省理工学院和Google Brain的其他四人撰写。
Romano解释说，传统的太阳能电池模拟器采用太阳能电池配置的细节，并将预测的效率作为其输出结果--也就是说，进入的太阳光的能量有多大比例实际转化为电流。但是这个新的模拟器既预测了效率，又显示了该输出受任何一个输入参数的影响程度。他说：“它直接告诉你，如果我们把这一层做得更厚一点，效率会发生什么变化，或者如果我们改变材料的属性，效率会发生什么变化。”
简而言之，他说：“我们没有发现一个新的设备，但我们开发了一个工具，使其他人能够更快发现其他更高性能的设备。”通过使用这个系统，“我们正在减少我们需要运行模拟器的次数，以便更快地获得更广泛的优化结构空间”。此外，他说：“我们的工具可以识别出一套独特的材料参数，这些参数至今被隐藏起来，因为运行这些模拟是非常复杂的。”
Mann表示，虽然传统的方法基本上是对可能的变化进行随机搜索，但通过他的工具，“我们可以遵循一个变化的轨迹，因为模拟器会告诉你，你想要改变你的设备的方向。这使得这个过程快得多，因为你不需要探索整个机会空间，而只需要遵循一条单一的路径”，直接导致性能的提高。
由于先进的太阳能电池通常由多层交错的导电材料组成，以携带电荷从一个到另一个，这种计算工具揭示了改变这些不同层的相对厚度将如何影响设备的输出。“这非常重要，因为厚度是关键。在光的传播和每层的厚度以及每层的吸收之间存在着强烈的相互作用，”Mann解释说。
可以评估的其他变量包括每个层接受的掺杂量（引入另一种元素的原子），或绝缘层的介电常数，或带隙，这是衡量光的光子的能量水平，可以被层中使用的不同材料捕获。
Romano表示，这个模拟器现在可以作为一个开源工具使用，可以立即用来帮助指导这一领域的研究。“它已经准备好了，可以被行业专家所采纳"。为了利用它，研究人员将把这个设备的计算与优化算法，甚至是机器学习系统结合起来，以快速评估各种可能的变化，并迅速找到最有希望的替代方案。”
在这一点上，该模拟器只是基于太阳能电池的一维版本，因此下一步将是扩大其能力，以包括二维和三维配置。但即使是这个一维版本“也能涵盖目前正在生产的大多数电池，”Romano说。某些变化，例如使用不同材料的所谓串联电池，还不能直接用这个工具来模拟，但是“有办法通过模拟每个单独的电池来接近串联太阳能电池，”Mann说。
该模拟器是“端对端”的，Romano说，这意味着它计算了效率的敏感性，也考虑到了光吸收。他补充说：“一个有吸引力的未来方向是将我们的模拟器与现有的先进的可分化的光传播模拟器组成，以实现更高的精度。”
Romano表示，因为这是一个开源代码，“这意味着一旦它在那里，社区可以对它做出贡献。而这就是我们真的很兴奋的原因”。尽管这个研究小组 “只有几个人”，他说，现在任何在这个领域工作的人都可以对代码进行自己的增强和改进，并引入新的功能。
最新文章