Uma ferramenta para acelerar o desenvolvimento de novas células solares

Dec 10, 2021

Deixe um recado

Fonte: sciencedaily.com


A Tool To Speed Development Of New Solar Cells 8


Na corrida contínua para desenvolver materiais e configurações cada vez melhores para células solares, há muitas variáveis ​​que podem ser ajustadas para tentar melhorar o desempenho, incluindo tipo de material, espessura e arranjo geométrico. O desenvolvimento de novas células solares geralmente tem sido um processo tedioso de fazer pequenas alterações em um desses parâmetros por vez. Embora os simuladores computacionais tenham possibilitado avaliar tais mudanças sem ter que construir cada nova variação para teste, o processo permanece lento.


Agora, pesquisadores do MIT e do Google Brain desenvolveram um sistema que possibilita não apenas avaliar um projeto proposto por vez, mas fornecer informações sobre quais mudanças proporcionarão as melhorias desejadas. Isso pode aumentar muito a taxa de descoberta de configurações novas e aprimoradas.


O novo sistema, chamado de simulador de célula solar diferenciável, é descrito em um artigo publicado na revistaComputer Physics Communications, escrito por MIT junior Sean Mann, cientista pesquisador Giuseppe Romano do MIT' s Institute for Soldier Nanotechnologies, e quatro outros no MIT e no Google Brain.


Os simuladores tradicionais de células solares, explica Romano, pegam os detalhes de uma configuração de células solares e produzem como resultado uma eficiência prevista - isto é, qual porcentagem da energia da luz solar que chega realmente é convertida em corrente elétrica. Mas este novo simulador prevê a eficiência e mostra o quanto essa saída é afetada por qualquer um dos parâmetros de entrada." Diz diretamente o que acontece com a eficiência se tornarmos essa camada um pouco mais espessa, ou o que acontece com a eficiência se, por exemplo, alterarmos a propriedade do material," ele diz.


Resumindo, ele diz," não' não descobrimos um novo dispositivo, mas desenvolvemos uma ferramenta que permitirá que outros descubram mais rapidamente outros dispositivos de alto desempenho." Usando este sistema," estamos diminuindo o número de vezes que precisamos rodar um simulador para dar acesso mais rápido a um espaço mais amplo de estruturas otimizadas." Além disso, ele diz," nossa ferramenta pode identificar um conjunto único de parâmetros de material que foram ocultados até agora porque' é muito complexo executar essas simulações."


Enquanto as abordagens tradicionais usam essencialmente uma pesquisa aleatória de variações possíveis, Mann diz, com sua ferramenta" podemos seguir uma trajetória de mudança porque o simulador diz a você em que direção você deseja mudar seu dispositivo. Isso torna o processo muito mais rápido porque ao invés de explorar todo o espaço de oportunidades, você pode apenas seguir um único caminho" que leva diretamente a um melhor desempenho.


Como as células solares avançadas geralmente são compostas de várias camadas entrelaçadas com materiais condutores para transportar carga elétrica de uma para a outra, esta ferramenta computacional revela como a alteração das espessuras relativas dessas diferentes camadas afetará a saída do dispositivo' s." Isto é muito importante porque a espessura é crítica. Existe uma forte interação entre a propagação da luz e a espessura de cada camada e a absorção de cada camada," Mann explica.


Outras variáveis ​​que podem ser avaliadas incluem a quantidade de dopagem (a introdução de átomos de outro elemento) que cada camada recebe, ou a constante dielétrica das camadas isolantes, ou o bandgap, uma medida dos níveis de energia dos fótons de luz que podem ser capturados por diferentes materiais usados ​​nas camadas.


Este simulador agora está disponível como uma ferramenta de código aberto que pode ser usada imediatamente para ajudar a orientar a pesquisa neste campo, diz Romano." Ele está pronto e pode ser usado por especialistas do setor." Para fazer uso dele, os pesquisadores combinariam os cálculos deste dispositivo' s com um algoritmo de otimização, ou mesmo um sistema de aprendizado de máquina, para avaliar rapidamente uma ampla variedade de mudanças possíveis e se familiarizar rapidamente com as alternativas mais promissoras.


Neste ponto, o simulador é baseado apenas em uma versão unidimensional da célula solar, então a próxima etapa será expandir seus recursos para incluir configurações bidimensionais e tridimensionais. Mas mesmo esta versão 1D&pode cobrir a maioria das células que estão atualmente em produção," Romano diz. Certas variações, como as chamadas células tandem usando materiais diferentes, ainda não podem ser simuladas diretamente por esta ferramenta, mas&existem maneiras de aproximar uma célula solar tandem simulando cada uma das células individuais," ; Mann diz.


O simulador é&fim-a-fim," Romano diz, o que significa que calcula a sensibilidade da eficiência, também levando em conta a absorção de luz. Ele acrescenta:" Uma direção futura atraente é compor nosso simulador com simuladores avançados de propagação de luz diferenciáveis ​​existentes, para atingir maior precisão."


Seguindo em frente, Romano diz, porque este é um código-fonte aberto," isso significa que uma vez que' está lá em cima, a comunidade pode contribuir para ele. E é por isso' é por isso que estamos realmente animados." Embora este grupo de pesquisa seja" apenas um punhado de pessoas," ele diz, agora, qualquer pessoa que trabalhe em campo pode fazer seus próprios aprimoramentos e melhorias no código e introduzir novos recursos.


& quot; A física diferenciável vai fornecer novos recursos para as simulações de sistemas projetados," diz Venkat Viswanathan, um professor associado de engenharia mecânica na Carnegie Mellon University, que não estava associado a este trabalho." O simulador de células solares diferenciáveis ​​é um exemplo incrível de física diferenciável, que agora pode fornecer novos recursos para otimizar o desempenho de dispositivos de células solares," diz ele, chamando o estudo&de "um passo emocionante à frente."


Além de Mann e Romano, a equipe incluía Eric Fadel e Steven Johnson no MIT, e Samuel Schoenholz e Ekin Cubuk no Google Brain. O trabalho foi apoiado em parte pela Eni SpA e pela MIT Energy Initiative, e pelo MIT Quest for Intelligence.




Enviar inquérito
Enviar inquérito