Maschinelles Lernen verbessert Effizienz von Perowskit-Solarzellen

KARLSRUHE / MÜNCHEN (IT BOLTWISE) – Die Forschung am Karlsruher Institut für Technologie (KIT) hat einen bedeutenden Schritt in der Entwicklung von Perowskit-Solarzellen gemacht. Durch den Einsatz von maschinellem Lernen konnten die Effizienz und die industrielle Anwendbarkeit dieser Technologie erheblich gesteigert werden.

Die Anwendung von maschinellem Lernen in der Fertigung von Perowskit-Solarzellen stellt einen bedeutenden Fortschritt dar, der die Effizienz und die industrielle Anwendbarkeit dieser Technologie erheblich verbessert. Forscher am Karlsruher Institut für Technologie (KIT) haben gezeigt, dass durch den Einsatz von Deep Learning die Materialeigenschaften und Wirkungsgrade von Solarzellen präzise vorhergesagt werden können, was über den Labormaßstab hinausgeht.

Perowskit-Solarzellen zeichnen sich durch hohe Wirkungsgrade und kostengünstige Herstellung aus. Diese Eigenschaften machen sie zu einem vielversprechenden Kandidaten für die Kommerzialisierung. Allerdings bestehen noch Herausforderungen bei der Langzeitstabilität und der Skalierung auf große Flächen. Professor Ulrich Wilhelm Paetzold vom KIT betont, dass die Perowskit-Photovoltaik an der Schwelle zur Kommerzialisierung steht, jedoch noch einige Hürden überwunden werden müssen.

Ein entscheidender Vorteil der neuen Methode ist die Fähigkeit, Prozessfehler während der Fertigung zu identifizieren, bevor die Solarzellen fertiggestellt sind. Dies ermöglicht eine erhebliche Verbesserung der Datenanalyse und reduziert den Bedarf an zusätzlichen Untersuchungsmethoden. Felix Laufer, wissenschaftlicher Mitarbeiter am KIT, hebt hervor, dass die Schnelligkeit und Leistungsfähigkeit der Methode Aufgaben löst, die sonst schwer zu bewältigen wären.

Die Untersuchung eines neuartigen Datensatzes, der die Bildung von Perowskit-Dünnschichten dokumentiert, ermöglicht eine präzise Zuordnung der Prozessdaten zu Zielvariablen wie der Energieumwandlungseffizienz. Diese präzise Analyse ist ein wesentlicher Schritt zur Sicherstellung einer hohen Materialqualität und Schichthomogenität über große Flächen und viele Chargen hinweg.

Die Perowskit-Photovoltaik hat das Potenzial, den Photovoltaikmarkt zu revolutionieren. Durch die Erweiterung der Charakterisierungsmethoden mit Techniken des maschinellen Lernens können Prozessschwankungen quantitativ analysiert werden. Dies ist ein entscheidender Schritt in Richtung industrieller Anwendbarkeit, betont Paetzold. Die Technologie könnte den Markt für Photovoltaik erheblich beeinflussen und neue Möglichkeiten für Entwickler und Unternehmen schaffen.

Insgesamt zeigt die Forschung am KIT, dass maschinelles Lernen nicht nur die Effizienz von Solarzellen verbessern kann, sondern auch deren industrielle Fertigung erleichtert. Dies könnte den Weg für eine breitere Anwendung von Perowskit-Solarzellen ebnen und deren Marktanteil in der Photovoltaikbranche erhöhen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!