智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
WISTRO風機C62 IL-2-2 FLAI Bg160-200
WISTRO,風機,C62 IL-2-2 FLAI Bg160-200品牌
其他品牌
太陽能是未來重要的能源之一，但制造更高效的太陽能電池需要尋找新的、更好的材料。最近，大阪大學的研究人員在《JACS Au》上發表的一項研究中，提出了一種解決方案，能夠自動化關鍵實驗和分析過程，從而大大加快太陽能材料的研究速度。
傳統太陽能電池使用硅和鎵等無機半導體制成，但下一代太陽能電池需要在成本、重量和安全性方面取得突破。此外，現有的太陽能電池往往含有有毒的鉛，因此需要尋找毒性更低的替代材料。然而，目前研究新材料的過程都是手工完成的，昂貴且耗時。
為了解決這一問題，研究人員開發了一種獨特的機器人測量系統，能夠執行光吸收光譜、光學顯微鏡和時間分辨微波電導率分析。這個系統的關鍵特點是它可以實現自動化，可以高效地執行多種實驗和分析過程，研究人員在這個自動化系統的幫助下，評估了共計576種不同的薄膜半導體樣品。
主要作者Chisato Nishikawa指出：“當前的太陽能電池主要由硅和鎵等無機半導體構成，但下一代太陽能電池需要在成本、重量和毒性方面有所突破。雖然鈣鈦礦太陽能電池的效率足以與硅太陽能電池相媲美，但它們含有有毒的鉛。”
這項研究中，研究人員研究了由四種元素 Cs、Bi、Sb 和 I 組成的溶液處理無鉛太陽能電池，這些材料具有廣泛的成分和工藝參數范圍。為了深入了解這些材料的性質，并使實驗全過程自動化，研究人員使用了AI相關技術，特別是機器學習技術，用作分析實驗產生的數據。
資深作者 Akinori Saeki 表示：“近年來，機器學習對于更好地理解材料的特性非常有幫助。這些研究需要大量的實驗數據，將自動化實驗與機器學習技術相結合是一個理想的解決方案。”
研究人員希望未來能實現更多實驗過程的自動化，從而更容易探索全新的材料，正如 Chisato Nishikawa 指出的那樣：“這種方法非常適合探索沒有現有數據的領域。”
到目前為止，研究團隊的機器人系統已經取得了他們預期中的的成果，測量過程完全自動化且高度準確，可以在通常所需時間的六分之一內完成工作。這個自動化系統使尋找高效無毒太陽能材料的任務變得更加容易，為太陽能的未來提供了更多希望，機器人和人工智能的協同作用可能讓太陽能離我們更近一步。
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
