KI-Robotersystem verbessert Perowskit-Solarzellenfertigung

Forschende an der Universität Osaka in Japan haben eine automatisierte Robotikplattform entwickelt, die maschinelles Lernen mit ultraschneller optischer Bildgebung verbindet, um die Herstellung von Perowskit-Solarzellen zu verbessern. In einer in der Fachzeitschrift ACS Nano veröffentlichten Studie untersuchte das Team um Ryosuke Kado und Akinori Saeki den Übergang einer flüssigen Perowskit-Lösung in einen kristallinen Dünnschichtfilm. Weil kleine Schwankungen bei Temperatur, Luftfeuchtigkeit und Prozessführung die Kristallisation und damit die Leistung der Zelle stark beeinflussen können, kombiniert das System robotergestützte Beschichtung, Erfassung von Umgebungsdaten und Echtzeitbeobachtungen. Im Fokus standen insbesondere die Tropfen eines Gegenlösungsmittels, die innerhalb weniger Millisekunden auf den sich bildenden Film wirken. Die Plattform kann Farbänderungen der Schicht im Subsekundenbereich sowie Bewegung und Aufprall dieser Tropfen millisekundengenau erfassen. Auf diese Weise lassen sich entscheidende Ereignisse während der Filmbildung mit der späteren Qualität des Perowskitfilms verknüpfen. Maschinelle Lernverfahren halfen, die großen Messdatensätze zu analysieren und relevante Zusammenhänge zwischen Prozessbedingungen, Tropfenverhalten und Schichtqualität zu identifizieren. Die Erkenntnisse übertrugen die Forschenden auf die Optimierung des Beschichtungsprozesses. Für eine bleibasierte Perowskit-Solarzelle leitete das Team aus den Echtzeitdaten einen optimalen Bereich für das Tropfenverhalten ab und erreichte damit einen Wirkungsgrad von 24,4 Prozent. Die Arbeit zeigt, dass automatisierte Experimente, schnelle Bildgebung und KI-gestützte Auswertung den klassischen Versuch-und-Irrtum-Ansatz durch einen datengestützten Fertigungsansatz ergänzen können. Damit könnte die Plattform dazu beitragen, Perowskit-Solarzellen zuverlässiger, reproduzierbarer und effizienter herzustellen.