광전지 및 태양광

설명
예측을 통해 페로브스카이트, 탠덤 및 패시베이션 재료를 스크리닝합니다. MatterSeek는 구성을 통해 광전지 재료 특성을 예측합니다.

광전지 및 태양광 —재료 시스템 / 예측 가능한 성능 / 검증 경로
광전지 재료용 AI — 예측을 통한 페로브스카이트 흡수체 및 패시베이션 층 엔지니어링
화학 성분으로부터 흡수재, 패시베이션 층, 운송 층 및 캡슐화 재료의 특성을 예측하므로 코팅 또는 어닐링 실행이 예정되기 전에 후보 화학 물질의 순위를 지정할 수 있습니다.
흡수 밴드 구조는 열 및 습기 안정성이 유지되는 동안 조정되어야 합니다. 패시베이션 화학은 기생 흡수를 도입하지 않고 인터페이스 재조합을 억제해야 합니다. 직렬 스택은 두 가지 모두에 호환성 제약 조건을 추가합니다. 이러한 각 목표는 일반적으로 별도의 제작 및 측정 캠페인을 통해 테스트되며 조합은 빠르게 증가합니다.
필요한 대상 구성 범위와 속성 창을 설명하면 MatterSeek는 예측 속성 값과 불확실성을 포함하여 순위가 매겨진 후보를 반환합니다. 플랫폼은 0.02의 도핑 수준 정밀도(합금 및 A 사이트 또는 B 사이트 대체 연구에서 실제로 요구되는 세분성)로 1~4개의 기본 요소를 처리합니다. 예측은 기본 요소 2개에 대해 약 1분, 4개에 대해 최대 7분 내에 완료됩니다. 결과는 다중 속성 비교를 위한 레이더 차트, 컴포지션 공간 전반에 걸쳐 부동산 풍경을 시각화하는 2D 및 3D 열 지도, 다운스트림 설계 검토를 위해 내보낼 수 있는 데이터 테이블로 표시됩니다.
엔진은 융점 및 전자 구조 관련 특성(어닐링 중 상 안정성과 흡수체 또는 수송층의 전자적 거동을 제어하는 양)을 포함하여 광학, 전자, 열, 열역학 및 구조적 특성 계열을 포괄합니다.
최종 후보자는 MatterSeek의 1,200m² 규모의 자율 실험실로 이동합니다. 6개의 프로세스 클러스터는 광전지에 중요한 경로를 포괄합니다. 깨끗한 박막 증착 및 다중 욕조 기판 세척을 통한 후처리, 마그네트론 스퍼터링 및 전자빔 증발, 다공성 및 산화물 층에 대한 졸-겔 및 초임계 건조. 자동 특성화에는 상 식별을 위한 XRD, Raman, XRF 및 동시 열 분석이 포함되며 경로에 따라 하루 300~500개의 샘플을 목표로 합니다. 실제 측정 대비 예측 정확도는 95.7%입니다.
탠덤 및 전송 레이어, 결함 보호 화학, 투명 전도성 산화물 및 모듈 캡슐화 재료.
FAQ
Q: MatterSeek는 페로브스카이트 구성의 특성을 예측할 수 있습니까?
답: 그렇습니다. 구성 범위와 속성 창을 정의하면 플랫폼은 필름이 증착되기 전에 예측 값과 불확실성을 포함하여 순위가 매겨진 후보를 반환합니다.
Q: 검증에 사용할 수 있는 제조 경로는 무엇입니까?
A: 마그네트론 스퍼터링 및 전자빔 증발, 졸-겔 경로 및 초임계 건조를 사용한 박막 증착은 모두 자율 실험실 내에서 자동화됩니다.
Q: 예측은 얼마나 정확합니까?
A: 실제 측정 대비 95.7% 정확도, 예측별로 불확실성이 보고됩니다.
Yuyao (Beijing) Technology Co., Ltd.는 AI와 광전지 및 태양광 첨단 소재의 교차점을 전문으로 하는 전문 회사입니다. 이 회사는 재료 부문에 맞춘 기본 대형 모델인 MatterSeek를 독립적으로 개발하고 HNN(Hierarchical Neural Network) 알고리즘을 개척하는 동시에 독점적이고 제어 가능한 재료 실험 데이터베이스를 구축했습니다.

