La búsqueda mundial de los investigadores para encontrar mejores Los materiales más eficientes para los paneles solares del mañana suelen ser lentos y laboriosos. Por lo general, los investigadores deben producir muestras de laboratorio, que a menudo se componen de múltiples capas de diferentes materiales unidos entre sí, para realizar pruebas exhaustivas.

Ahora, un equipo del MIT y otras instituciones ha ideado una forma de evitar una fabricación y pruebas tan costosas y que requieren mucho tiempo, permitiendo una selección rápida de muchas más variaciones de lo que sería práctico mediante el enfoque tradicional.

El nuevo proceso no solo podría acelerar la búsqueda de nuevas formulaciones, pero también hacen un trabajo más preciso al predecir su rendimiento, explica Rachel Kurchin, un estudiante graduado del MIT y coautor de un artículo que describe el nuevo proceso que aparece esta semana en la revista Joule . Los métodos tradicionales "a menudo requieren que usted haga una muestra especializada, pero eso difiere de una celda real y puede no ser completamente representativo "del desempeño de una celda solar real, ella dice.

Por ejemplo, Los métodos de prueba típicos muestran el comportamiento de los "portadores mayoritarios, "las partículas o vacantes predominantes cuyo movimiento produce una corriente eléctrica a través de un material. Pero en el caso de los materiales fotovoltaicos (PV), Kurchin explica:en realidad, son los portadores minoritarios, aquellos que son mucho menos abundantes en el material, los que son el factor limitante en la eficiencia general de un dispositivo, y esos son mucho más difíciles de medir. Además, Los procedimientos típicos solo miden el flujo de corriente en un conjunto de direcciones, dentro del plano de un material de película delgada, mientras que es el flujo hacia arriba y hacia abajo que en realidad se aprovecha en una celda solar en funcionamiento. En muchos materiales, ese flujo puede ser "drásticamente diferente, "por lo que es fundamental comprender para caracterizar correctamente el material, ella dice.

"Históricamente, la tasa de desarrollo de nuevos materiales es lenta, por lo general de 10 a 25 años, "dice Tonio Buonassisi, profesor asociado de ingeniería mecánica en el MIT y autor principal del artículo. "Una de las cosas que ralentiza el proceso es el tiempo que se tarda en solucionar problemas de dispositivos prototipo en etapa inicial, ", dice." Realizar la caracterización lleva tiempo, a veces semanas o meses, y las mediciones no siempre tienen la sensibilidad necesaria para determinar la causa raíz de cualquier problema ".

Entonces, Buonassisi dice:"la conclusión es, si queremos acelerar el ritmo del desarrollo de nuevos materiales, es imperativo que encontremos formas más rápidas y precisas de solucionar problemas de nuestros materiales y dispositivos prototipo en etapa inicial ". Y eso es lo que el equipo ha logrado ahora. Han desarrollado un conjunto de herramientas que se pueden utilizar para hacer evaluaciones rápidas de los materiales propuestos, utilizando una serie de pruebas de laboratorio relativamente simples combinadas con modelos informáticos de las propiedades físicas del material en sí, así como modelado adicional basado en un método estadístico conocido como inferencia bayesiana.

El sistema implica hacer un dispositivo de prueba simple, luego midiendo su salida de corriente bajo diferentes niveles de iluminación y diferentes voltajes, para cuantificar exactamente cómo varía el rendimiento en estas condiciones cambiantes. Luego, estos valores se utilizan para refinar el modelo estadístico.

"Después de que adquirimos muchas mediciones de corriente-voltaje [de la muestra] a diferentes temperaturas e intensidades de iluminación, necesitamos averiguar qué combinación de materiales y variables de interfaz se ajusta mejor a nuestro conjunto de medidas, "Explica Buonassisi." Representar cada parámetro como una distribución de probabilidad nos permite tener en cuenta la incertidumbre experimental, y también nos permite saber qué parámetros covarían ".

El proceso de inferencia bayesiana permite actualizar las estimaciones de cada parámetro en función de cada nueva medición, refinando gradualmente las estimaciones y acercándonos cada vez más a la respuesta precisa, él dice.

Al buscar una combinación de materiales para un tipo particular de aplicación, Kurchin dice:"incorporamos todas estas propiedades de los materiales y las propiedades de la interfaz, y le dirá cómo se verá la salida ".

El sistema es lo suficientemente simple como para incluso para materiales que se han caracterizado menos en el laboratorio, "Todavía podemos ejecutar esto sin una enorme sobrecarga informática". Y, Kurchin dice:hacer uso de las herramientas computacionales para seleccionar posibles materiales será cada vez más útil porque "el equipo de laboratorio se ha vuelto más caro, y las computadoras se han vuelto más baratas. Este método le permite minimizar el uso de equipo de laboratorio complicado ".

La metodología básica, Buonassisi dice:podría aplicarse a una amplia variedad de evaluaciones de materiales diferentes, no solo células solares, de hecho, puede aplicarse a cualquier sistema que involucre un modelo de computadora para el resultado de una medición experimental. "Por ejemplo, este enfoque es excelente para determinar qué material o propiedad de la interfaz podría estar limitando el rendimiento, incluso para pilas complejas de materiales como baterías, dispositivos termoeléctricos, o compuestos utilizados en zapatillas de tenis o alas de avión ". Y, él añade, "Es especialmente útil para la investigación en etapa inicial, donde muchas cosas podrían estar saliendo mal a la vez ".

Avanzando, él dice, "Nuestra visión es vincular este rápido método de caracterización con los materiales más rápidos y los métodos de síntesis de dispositivos que hemos desarrollado en nuestro laboratorio". Por último, él dice, "Tengo muchas esperanzas de que la combinación de la informática de alto rendimiento, automatización, y el aprendizaje automático nos ayudará a acelerar la tasa de desarrollo de materiales novedosos en más de un factor de cinco. Esto podría ser transformador reduciendo los plazos para los nuevos descubrimientos de la ciencia de los materiales de 20 años a unos tres a cinco años ".