Schneller Vorlauf

Das Photovoltaics Lab von Tonio Buonassisi beschleunigt die Entwicklung neuer Solarzellenmaterialien mithilfe von maschinellem Lernen, Robotern und guter altmodischer Teamarbeit.

27. April 2021 tonio buonassisi

Dieser Roboterchemiker, mit dem Professor Tonio Buonassisi in Singapur zusammenarbeitet, nutzt maschinelles Lernen, um Chemikalien in Proben zu mischen.Zakaria Zainal

Wenn wir den Verbrauch fossiler Brennstoffe so weit reduzieren wollen, dass sich die Welt nicht katastrophal erwärmt, müssen wir der Sonne viel mehr Energie entziehen. Eine Reihe von Expertengruppen, darunter der Weltklimarat, sind zu dem Schluss gekommen, dass wir bis 2030 etwa ein Drittel des weltweiten Stroms aus Sonnenenergie beziehen müssen.



Im Moment, weniger als ein Jahrzehnt vor uns, sind wir bei etwa einem Zehntel davon, sagt er Tonio Bonassisi , Professor für Maschinenbau und Leiter des Instituts Photovoltaik Labor . Um das Ziel zu erreichen, müssen wir die Bereitstellung von erheblich beschleunigen Solarenergie .

Die Hochdurchsatz-Pipettiereinheit des Roboterchemikers von Buonassisi kombiniert rote, blaue und gelbe Lebensmittelfarbstoffe, um spezifische Farben zu erzeugen.

ZAKARIA ZAINAL

Vor diesem Hintergrund wurde das PV-Labor in den letzten Jahren kontinuierlich neu konfiguriert, da Buonassisi und seine Kollegen alles einbrachten, was ihnen einfiel, was die Suche nach neuen Solarmaterialien beschleunigen könnte. Sie haben alles ausprobiert, von Stoppuhren und Persönlichkeitstests bis hin zu maschinellen Lernalgorithmen und Pipettierrobotern.

Das Ergebnis ist ein Labortempo, das um Größenordnungen schneller ist. Sie haben Prozesse, die früher sechs Monate oder ein Jahr gedauert haben, auf zwei Wochen komprimiert; Die Analyse von Röntgenbeugungsspektren, die früher zwei bis drei Stunden dauerte, ist jetzt in 5,5 Minuten erledigt. Im Moment dreht sich alles um Geschwindigkeit, sagt Buonassisi.

Jenseits von Silizium

Das PV Lab begann 2012 mit der Arbeit mit maschinellen Lernalgorithmen. Wir haben sie nicht als diese völlig neue Art der Wissenschaft betrachtet, sagt Buonassisi. Wir haben sie einfach als Produktivitätswerkzeug betrachtet. Aber 2017 erkannte er, dass die Hauptfrage, um die sich das Labor drehte, zu komplex war, um sie mit herkömmlichen Mitteln zu beantworten. Ich musste die Art und Weise ändern, wie ich recherchierte, um es anzugehen, sagt er.

Diese Frage war, wie man praktikable Alternativen zu Silizium für die Nutzung bei der Gewinnung von Sonnenenergie findet. Derzeit 95 % der weltweiten Solarzellen auf Siliziumhalbleiter angewiesen . Dieses Element ist reichlich vorhanden – es findet sich in fast allem Schmutz und Sand – und daraus hergestellte Solarzellen sind relativ effizient und robust. Ein durchschnittliches Silizium-Solarmodul kann etwa 20 % der Energie aus dem einfallenden Sonnenlicht umwandeln und es kann jahrzehntelang Tag für Tag ohne Ausfall funktionieren.

Wenn Sie in einem Modus mit niedrigem Durchsatz stecken bleiben, neigen Sie dazu, auf Nummer sicher zu gehen. Wenn Sie wissen, dass Sie mehr Chancen haben, können Sie ehrgeiziger sein.

Aber die Umwandlung von Silizium in die dünnen, reinen Wafer, die für diese Zellen benötigt werden, ist teuer, relativ schwierig und energieintensiv. Es erfordert auch oft seltenere Materialien wie Silber. Experten, darunter Buonassisi, arbeiten daran, diese Prozesse zu verbessern. Aber wenn wir Solarenergie zu einem großen Teil des Stromnetzes machen wollen, wird die Einführung einiger einfacher herzustellender Materialien die Möglichkeiten erweitern – und laut Buonassisi könnte es den Wettbewerb beschleunigen, Innovationen vorantreiben und die Preise auf breiter Front senken.

Eine vielversprechende Materialklasse sind Perowskite, natürliche und im Labor hergestellte Verbindungen mit einer kristallinen Struktur, die sie zu guten Halbleitern macht. Perowskite sind einfacher und schneller herzustellen als Siliziumwafer. Da es sich eher um Verbindungen als um Elemente handelt, könnte es eine große Anzahl von ihnen geben, die noch geschaffen werden müssen, sagt PV Lab-Mitglied Jim Serdy. Verschiedene Perowskite können auch in einer einzigen Solarzelle gestapelt werden, um unterschiedliche Lichtwellenlängen zu absorbieren und mehr Energie aus jedem Sonnenstrahl herauszuholen.

Wenn es Perowskiten gelingt, sich ihren Weg in den Solarenergiemarkt zu bahnen, könnte dies der entscheidende Weg sein, um den Energiebedarf der Welt nachhaltig zu decken, sagt Serdy. Aber ob es möglich ist, hängt stark davon ab, wie schnell wir diese neuen Verbindungen und ihre Eigenschaften entdecken können.

Neuland

Die schiere Anzahl von Perowskiten ist aufregend – es könnten Tausende da draußen sein, die gut zu verschiedenen Anwendungen passen. Aber das macht es auch zu einer entmutigenden Aufgabe, nach dem perfekten Material zu suchen – einem Material, das eine gewünschte Aufgabe mit der richtigen Kombination aus Stabilität, Effizienz und Kosteneffizienz erfüllt und das außerdem einfach und in großem Maßstab hergestellt werden kann.

In der Vergangenheit begannen Wissenschaftler, die versuchten, ein neues Material zu entdecken oder zu erfinden, mit einigen fundierten Vermutungen. Sie erstellten ein paar Materialien im Labor, testeten sie und nutzten dann das Gelernte, um es erneut zu versuchen. Es kann ein Jahr oder länger dauern, nur eine gute Option zu finden. Statistisch gesehen sei das wie die Affen auf einer Schreibmaschine, die so lange herumhämmern, bis sie zufällig etwas Nützliches schreiben, sagt Buonassisi.

Diesem grundsätzlichen Vorgehen folgen die Forscher des PV Lab noch immer. (Die wissenschaftliche Methode kommt nicht aus der Mode, sagt er.) Sie haben sie nur aufgeladen. Algorithmen, die auf theoretischem Wissen und früheren Ergebnissen trainiert wurden, helfen ihnen, klügere Vermutungen anzustellen. Und High-Throughput-Experimente und automatisierte Analysen ermöglichen es ihnen, diese Vermutungen schneller zu testen und viele Tests parallel durchzuführen. Mit all diesen Fortschritten sind wir in der Lage, den gesamten Prozess zu beschleunigen, sagt der Forschungswissenschaftler Shijing Sun, Teamleiter des Accelerated Materials Development Program des Labors.

Hocheffiziente Forschung beschleunigt nicht nur das Entdeckungstempo, sondern macht die Menschen auch mutiger, sagt Buonassisi. Wenn Sie in einem Modus mit niedrigem Durchsatz stecken bleiben, neigen Sie dazu, auf Nummer sicher zu gehen, sagt er. Wenn Sie jedoch wissen, dass Sie mehr Chancen haben, können Sie viel ehrgeiziger sein.

So begann das Team von Sun im Herbst 2018 mit der Suche nach stabileren Perowskiten. (Obwohl einige Perowskit-Solarzellen jetzt genauso effizient sind wie Silizium-Solarzellen, sind sie tendenziell anfälliger für Degradation.) Sie begannen damit, ihren sogenannten Suchraum zu identifizieren, in diesem Fall eine Gruppe von 5.000 verschiedenen möglichen Materialien, die es zu bewerten gilt – alle Kombinationen aus Cäsium, Methylammonium, Formamidinium und Bleiiodid, in unterschiedlichen Anteilen gemischt und auf unterschiedliche Weise synthetisiert.

Sonne und Tonio

Die Forscher Shijing Sun und Buonassisi im PV Lab im Jahr 2019.

JOHANNES FREIDAH

Für ihre erste experimentelle Untersuchungsrunde bat die Gruppe einen Algorithmus, 28 Materialien auszuwählen, die eine breite Auswahl an Möglichkeiten bieten, sagt Sun. Nach der Synthese dieser Materialien setzte das Team sie Hochdurchsatz-Tools und -Techniken aus, die von Serdy und einem der technischen Mitarbeiter des Labors, Janak Thapa, entwickelt wurden. Mit diesen Werkzeugen können sie die Stabilität der Materialien schnell testen, indem sie sie hohen Temperaturen, hoher Luftfeuchtigkeit und Beleuchtung aussetzen – entsaftete Versionen der Bedingungen, die sie auf einem sonnigen Dach erleben könnten.

Wir legen sie im Grunde in eine Sauna, sagt Armi Tiihonen, ein Postdoktorand im Labor. Wir strebten eine extreme Beschleunigung an, damit sich die Materialien schnell zersetzen, weil wir keine monatelange Zeit verschwenden wollten.

Um ihre Stabilität zu messen, richtete das Team Kameras auf die Materialien, die alle fünf Minuten Fotos machten. Perowskite ändern ihre Farbe, wenn sie zerfallen, und verblassen oft von fast schwarz zu blassgelb. Nachdem die Proben etwa fünf Tage in der Sauna verbracht hatten, analysierte das Team die Fotos, um die Abbaurate jedes Materials zu bestimmen. (Sie analysierten einige der Proben auch eingehender mit Röntgenbeugung, um visuelle Beobachtungen zu bestätigen und zu sehen, wie sich die Struktur der Materialien während ihres Abbaus veränderte.)

Dann gaben sie diese Ergebnisse an den ersten Algorithmus zurück und baten ihn, 28 weitere Materialien auszuwählen – einige ähnlich denen, die in der experimentellen Phase am erfolgreichsten waren, und einige aus Teilen des Weltraums, die noch unerforscht waren.

Selbst die erfahrensten Materialwissenschaftler hätten Schwierigkeiten, eine solche Entscheidung zu treffen, sagt Sun. Ich kann eine Entscheidung treffen, wenn wir 10 Materialien haben, sagt sie. Wenn wir 5.000 Materialien haben, kann ich nicht wirklich darüber nachdenken, was ich als nächstes tun soll.

Das Team durchlief diesen Zyklus einige Male – Auswahl von Materialien über den Algorithmus, Erstellen und Testen von Mustern in der realen Welt und Feedback an den Algorithmus. Am Ende der vierten Runde hatten sie eine Gruppe von Materialien gefunden, die 17-mal stabiler waren als der am häufigsten verwendete Perowskit – und dreimal stabiler als der vorherige Rekordhalter des Labors, den sie mit traditionelleren Mitteln gefunden hatten . (Ihre Ergebnisse und Methoden wurden im Februar in der Zeitschrift Matter veröffentlicht.)

Andere PV-Lab-Projekte waren ähnlich erfolgreich. Im Jahr 2019 machte sich das Team von Sun daran, bleifreie Perowskite zu finden. Sie identifizierten zwei Materialien, die völlig neu waren, sowie vier, die noch nie zuvor in der für die Verwendung in Solarzellen erforderlichen Dünnschichtform hergestellt worden waren. Früher hätten wir wahrscheinlich über ein Jahr gebraucht, sagt Buonassisi. Mit den neuen Methoden waren sie in zwei Monaten fertig.

In einem anderen Experiment erwies sich eine mit einem dieser neuen Materialien gebaute Perowskit-Solarzelle unter rauen Umgebungsbedingungen als stabiler als die beste, die sie jemals mit ihren bisherigen Methoden hergestellt hatten, was zeigt, dass die Verbesserungen in diesen einzelnen Materialien sich auf die Solargeräte auswirken werden mit ihnen gemacht.

Das Team verschmilzt die Simulation und das Experiment, um vielversprechende Materialien schnell zu identifizieren und zu testen, sagt Buonassisi. Wir kommen dem Punkt immer näher, uns etwas vorstellen zu können und es dann im wirklichen Leben zu verwirklichen.

Leben auf der Überholspur

Die Forscher im PV Lab nehmen das immer schneller werdende Tempo mit. Im Jahr 2020, nach 10 Jahren Studium und Arbeit in der Laborwissenschaft, begann Thapa, sich mit maschinellem Lernen zu befassen; Ende des Jahres hatte er seine erste Arbeit zu diesem Thema mitverfasst.

Die Persönlichkeit des Labors ist Anpassungsfähigkeit, sagt er; Mitglieder lernen, alles zu tun, was die Gruppe braucht. Das gilt sogar für die Studenten des Labors. Das Ziel ist, dass jeder Student, der durchkommt, lernt, wie man in einem Projekt und in einem Team arbeitet und ein vielseitiges, beitragendes Mitglied der MINT-Community ist, sagt Sara Bonner, die Programmadministratorin des Labors.

Diese Ziele können zu ungewöhnlichen Praktiken führen. Um herauszufinden, wo Zeit gespart werden könnte, hat sich das Labor vor Jahren ein Werkzeug aus Fabrikhallen des frühen 20. Jahrhunderts ausgeliehen: Wir hatten buchstäblich Leute mit Stoppuhren, die jeden Schritt des Laborprozesses beobachteten und zeitlich festlegten, sagt Buonassisi. Auf Basis dieser Analyse optimierten sie ihre Methoden und investierten in neue Geräte. Sie haben ihre Probenvorbereitungseffizienz um 350 % verbessert, von 28 Minuten pro Probe im Jahr 2015 auf etwa acht im Jahr 2018.

Vor kurzem bat er alle im Labor, Persönlichkeitstests zu machen, damit sie lernen konnten, auf den Stärken des anderen aufzubauen und besser zusammenzuarbeiten. Er sieht diese Übungen als Investitionen. Wenn wir uns die Zeit nehmen, dieses Tool-Set zu entwickeln, mit dem wir produktiver arbeiten können, können wir zehnmal so viele Probleme lösen, sagt er.

Wenn viel auf dem Spiel steht, kann ein halsbrecherisches Tempo tatsächlich eine Erleichterung sein. Zu Beginn ihrer Karriere, sagt Tiihonen, verlief die Arbeit so zäh, dass ihre Ziele immer unerreichbar schienen. Aber jetzt können sie und ihre Kollegen tatsächlich erreichen, was wir wollen.

Sun mag die Art und Weise, wie sie mit den neuen Techniken ihr Fachgebiet erweitern kann – wo sich das Team in der Vergangenheit möglicherweise auf einen Parameter oder eine Klasse von Perowskiten konzentriert hat, haben sie jetzt die Möglichkeit, in mehr Projekte einzusteigen, und diesem Traummaterial für Solarzellen wirklich näher kommen, sagt sie.

Das Team sucht ständig nach Engpässen im Prozess und erweitert sie so gut es geht. In den vergangenen Jahren hat Buonassisi als Mitglied der Singapore-MIT Alliance for Research and Technology viel Zeit in Singapur verbracht. Dort und am MIT beginnt er damit, Roboter zu integrieren, die einige der Schritte in der Forschungspipeline des Labors ausführen können. In Singapur beispielsweise mischt ein Formulierungsroboter verschiedene Chemikalien schneller und präziser zu den für die Probenherstellung erforderlichen Zusammensetzungen, als ein Forscher sie mühsam pipettieren könnte. Es kann die wesentlichen körperlichen Schritte etwa vier- bis zehnmal so schnell ausführen wie ein Mensch, und seine Präzision trägt zur Verbesserung der Reproduzierbarkeit bei. Darüber hinaus kann dieser Roboter ferngesteuert werden, sodass Labormitglieder oder Mitarbeiter überall Aufträge in die Warteschlange stellen und ausführen können, sagt Buonassisi. Inzwischen arbeiten er und einige Mitarbeiter auch an einem Super-High-Throughput-Tool, das Forschern in seinem MIT-Labor dabei helfen wird, noch mehr Möglichkeiten auf einmal zu durchsuchen.

Obwohl Maschinen schneller sein können, sind Menschen im Allgemeinen anpassungsfähiger. Der Einsatz von Robotern und ähnlichen Tools, wenn sie hilfreich sind, anstatt alles zu automatisieren, ermöglicht es dem Labor, schneller zu arbeiten und gleichzeitig die vom Menschen erzeugte Flexibilität zu bewahren, die laut Buonassisi besonders wichtig für die frühe Phase der Forschung und Entwicklung ist.

Aber die ultimative Beschleunigung, sagt er, kommt, wenn andere diese Methoden übernehmen und sie verbessern. Das PV Lab stellt alles, was es tut, als Open Source zur Verfügung – von den Algorithmen zur Stabilitätssuche bis hin zu den Bauplänen für die Maschinen – um diese Technologien voranzutreiben und mehr Menschen dafür zu begeistern und daran zu arbeiten, sagt er. Wir haben nicht alle Zeit der Welt, um zu warten.


Das perfekte Rezept finden

Ein KI-gesteuertes Forschungstool
blickt in die Vergangenheit, um bessere Wege zu finden
Materialien herzustellen.

Um weiterzukommen, müssen wir oft hinter uns blicken. Elsa Olivetti, Professorin für Karriereentwicklung bei Esther und Harold E. Edgerton am Department of Materials Science and Engineering des MIT, und ihr Labor haben an einer Reihe von Algorithmen gearbeitet oder wie sie es gerne nennt, eine Data-Science-Pipeline Damit können Forscher die wissenschaftliche Literatur der jüngeren Vergangenheit durchsuchen, um Hinweise darauf zu finden, wie wir die Dinge bauen können, die wir für die Zukunft brauchen.

Elsa Olivetti

MIT FREUNDLICHER FOTO

Olivettis Gruppe das sich darauf konzentriert, nachhaltige und erschwingliche Wege zum Design und zur Entwicklung von Materialien zu finden ist immer auf der Suche nach neuen Werkzeugen, sagt sie. Vor einigen Jahren sprach sie mit Gerbrand Ceder, damals MIT-Fakultätsmitglied und Schöpfer des Materials Project eine Datenbank mit Informationen über bekannte und vorhergesagte Materialien, die Forscher verwenden können, um Verbindungen zu finden, die genau die Eigenschaften haben, nach denen sie suchen, auch wenn sie noch nie zuvor hergestellt wurden.

Olivetti sah eine Gelegenheit, weiter zu gehen. Zu wissen, was man herstellen soll, ist zwar ein wichtiger erster Schritt, aber wie man das Material herstellt, ist das, was man in Bezug auf die ökologischen und wirtschaftlichen Auswirkungen wissen muss, sagt sie. In vielen Fällen, so dachte sie, haben die Leute die Arbeit an dem Material bereits erledigt und akribisch aufgezeichnet und veröffentlicht, welche Schritte dazu gehörten und wie die Dinge gelaufen sind. Warum nicht diese Ressource nutzen?

Angenommen, Sie wurden beauftragt, einen Schokoladenkuchen zu backen, der schnell backt und erschwingliche Zutaten verwendet. Sie könnten bei Null anfangen: Komponenten mischen, Verhältnisse optimieren und Kuchen für Kuchen backen, bis Sie auf etwas stoßen, das funktioniert. Sie können auch alte Kochbücher durchsuchen, Online-Tutorials ansehen und mit vertrauenswürdigen Freunden sprechen. Aber was wäre, wenn Sie eine Maschine hätten, die Millionen von Kochbüchern, Videos und Kommentarbereichen von Back-Websites durchsuchen und die gefundenen Informationen zu einem neuen Rezept zusammenstellen könnte, das Ihren Zwecken entspricht?

Dies ist im Wesentlichen das, was Olivettis Tool tut. Seine Benutzer möchten vielleicht einen Festkörperelektrolyten für eine Lithium-Ionen-Batterie oder einen kohlenstoffarmen
Emission Zementersatz. Anstatt zu versuchen, frühere Arbeiten auf diesem Gebiet alleine oder mit ein paar Kollegen zu lesen und zusammenzufassen, können sie das Tool bitten, so viel Literatur wie möglich zu durchsuchen derzeit Millionen von Papieren und Patenten.

Olivettis Tool kombiniert Algorithmen zur Verarbeitung natürlicher Sprache die Papiere durchsuchen, um relevante Informationen herauszuziehen mit neuronalen Netzwerken, die neue Rezepte auf der Grundlage dessen empfehlen, was in der Vergangenheit funktioniert hat. Es sucht nach Informationen über das betreffende Material, aber auch über andere Materialien, die verwandte Eigenschaften haben können.

Es war eine Herausforderung, eine Reihe von Algorithmen zu erstellen, die so viele Artikel mit ihrem domänenspezifischen Vokabular und ihren stilistischen Macken in nützliche Rezepte umwandeln können, sagt Olivetti. Aber die Bemühungen liefern bereits jetzt unerwartete Erkenntnisse.

2019 arbeiteten sie und einige Kollegen mit Zeolithen, porösen Materialien, die für Anwendungen von der industriellen Katalyse bis zur Luftreinigung von entscheidender Bedeutung sind. Die Größe und Anordnung ihrer Poren beeinflusst, wofür Zeolithe verwendet werden können, aber wie genau diese Eigenschaft während der Synthese kontrolliert werden kann, war nicht bekannt. Indem sie ihren Algorithmus zur Auswertung der Literatur verwendeten, konnten Olivetti und ihre Kollegen die entscheidenden Schritte ableiten, um Zeolithe mehr oder weniger porös zu machen Verwenden der kombinierten Erkenntnisse früherer Forscher, um zukünftige vor endlosen Trial-and-Error-Runden zu bewahren.

Ein Algorithmus wie dieser könnte nicht nur vorhandene Rezepte für Materialien anbieten, sondern auch dazu beitragen, neue zu erstellen, sagt Olivetti. Sie kann sich vorstellen, einen Text-Mining-Schritt in einen Arbeitsablauf wie den von Buonassisi zu integrieren, um eine historische Dimension in KI-gesteuerte Versuche zur Materialsynthese zu bringen.

Es könnte auch möglich sein, sagt Olivetti, ähnliche Technologien zu verwenden, um breite Themen aus dem Feld zu ziehen oder aufkommende Trends zu verstehen coole, breite Möglichkeiten, bei denen wir gerade erst anfangen, an der Oberfläche zu kratzen.

verbergen