Fonte: sciencedaily.com

Nella corsa in corso per sviluppare materiali e configurazioni sempre migliori per le celle solari, ci sono molte variabili che possono essere regolate per cercare di migliorare le prestazioni, incluso il tipo di materiale, lo spessore e la disposizione geometrica. Lo sviluppo di nuove celle solari è stato generalmente un processo noioso di apportare piccole modifiche a uno di questi parametri alla volta. Sebbene i simulatori computazionali abbiano reso possibile valutare tali modifiche senza dover effettivamente creare ogni nuova variazione per il test, il processo rimane lento.
Ora, i ricercatori del MIT e di Google Brain hanno sviluppato un sistema che rende possibile non solo valutare un progetto proposto alla volta, ma anche fornire informazioni su quali modifiche forniranno i miglioramenti desiderati. Ciò potrebbe aumentare notevolmente il tasso di scoperta di nuove configurazioni migliorate.
Il nuovo sistema, chiamato simulatore di celle solari differenziabili, è descritto in un articolo pubblicato sulla rivista Computer Physics Communications, scritto dal giovane Sean Mann del MIT, dal ricercatore Giuseppe Romano del MIT's Institute for Soldier Nanotechnologies, e da quattro altri al MIT ea Google Brain.
I tradizionali simulatori di celle solari, spiega Romano, prendono i dettagli di una configurazione di celle solari e producono come output un'efficienza prevista, ovvero quale percentuale dell'energia della luce solare in entrata viene effettivamente convertita in corrente elettrica. Ma questo nuovo simulatore prevede l'efficienza e mostra quanto tale output è influenzato da uno qualsiasi dei parametri di input."Ti dice direttamente cosa succede all'efficienza se rendiamo questo strato un po' più spesso, o cosa succede all'efficienza se per esempio cambiamo le proprietà del materiale," lui dice.
In breve, dice,"non'non abbiamo scoperto un nuovo dispositivo, ma abbiamo sviluppato uno strumento che consentirà ad altri di scoprire più rapidamente altri dispositivi con prestazioni superiori." Usando questo sistema,"stiamo diminuendo il numero di volte in cui è necessario eseguire un simulatore per fornire un accesso più rapido a uno spazio più ampio di strutture ottimizzate." Inoltre, dice,"il nostro strumento è in grado di identificare un insieme univoco di parametri del materiale che è stato nascosto finora perché'è molto complesso eseguire queste simulazioni."
Mentre gli approcci tradizionali utilizzano essenzialmente una ricerca casuale di possibili variazioni, Mann dice, con il suo strumento"possiamo seguire una traiettoria di cambiamento perché il simulatore ti dice in quale direzione vuoi cambiare il tuo dispositivo. Ciò rende il processo molto più veloce perché invece di esplorare l'intero spazio delle opportunità, puoi semplicemente seguire un unico percorso" che porta direttamente a prestazioni migliori.
Poiché le celle solari avanzate sono spesso composte da più strati intrecciati con materiali conduttivi per trasportare la carica elettrica dall'uno all'altro, questo strumento di calcolo rivela come la modifica degli spessori relativi di questi diversi strati influenzerà l'uscita del dispositivo."Questo è molto importante perché lo spessore è critico. Esiste una forte interazione tra la propagazione della luce e lo spessore di ogni strato e l'assorbimento di ogni strato," spiega Mann.
Altre variabili che possono essere valutate includono la quantità di drogaggio (l'introduzione di atomi di un altro elemento) che ogni strato riceve, o la costante dielettrica degli strati isolanti, o il bandgap, una misura dei livelli energetici dei fotoni di luce che possono essere catturato da diversi materiali utilizzati negli strati.
Questo simulatore è ora disponibile come strumento open source che può essere utilizzato immediatamente per guidare la ricerca in questo campo, afferma Romano."È pronto e può essere ripreso da esperti del settore." Per utilizzarlo, i ricercatori avrebbero accoppiato i calcoli di questo dispositivo con un algoritmo di ottimizzazione, o anche un sistema di apprendimento automatico, per valutare rapidamente un'ampia varietà di possibili cambiamenti e individuare rapidamente le alternative più promettenti.
A questo punto, il simulatore si basa solo su una versione unidimensionale della cella solare, quindi il prossimo passo sarà espandere le sue capacità per includere configurazioni bidimensionali e tridimensionali. Ma anche questa versione 1D"può coprire la maggior parte delle celle attualmente in produzione," dice Romano. Alcune variazioni, come le cosiddette celle tandem che utilizzano materiali diversi, non possono ancora essere simulate direttamente da questo strumento, ma"ci sono modi per approssimare una cella solare tandem simulando ciascuna delle singole celle," ; dice Mann.
Il simulatore è"end-to-end," dice Romano, nel senso che calcola la sensibilità dell'efficienza, tenendo conto anche dell'assorbimento della luce. Aggiunge:"Un'interessante direzione futura è comporre il nostro simulatore con simulatori avanzati di propagazione della luce differenziabili esistenti, per ottenere una maggiore precisione."
Andando avanti, dice Romano, perché questo è un codice open-source,"ciò significa che una volta'lassù, la comunità può contribuire ad esso. E questo'è il motivo per cui siamo davvero entusiasti." Sebbene questo gruppo di ricerca sia"solo una manciata di persone," dice, ora chiunque lavori sul campo può apportare i propri miglioramenti e miglioramenti al codice e introdurre nuove funzionalità.
& quot;La fisica differenziabile fornirà nuove capacità per le simulazioni di sistemi ingegnerizzati," dice Venkat Viswanathan, professore associato di ingegneria meccanica alla Carnegie Mellon University, che non era associato a questo lavoro."Il simulatore di celle solari differenziabili è un incredibile esempio di fisica differenziabile, che ora può fornire nuove funzionalità per ottimizzare le prestazioni dei dispositivi a celle solari," dice, definendo lo studio"un entusiasmante passo avanti."
Oltre a Mann e Romano, il team includeva Eric Fadel e Steven Johnson del MIT e Samuel Schoenholz ed Ekin Cubuk di Google Brain. Il lavoro è stato in parte sostenuto da Eni SpA e MIT Energy Initiative e MIT Quest for Intelligence.









