機械学習を使用して、新しい高効率太陽電池用材料を特定する研究が発表される

カリフォルニア大学デイビス校の工学部の研究者たちは、機械学習を使用して、高効率太陽電池用新材料を特定する研究を発表した。高スループット実験と機械学習ベースのアルゴリズムを用い、材料の動的な振る舞いを高い精度で予測できることがわかった。この研究は、ACS Energy Lettersの4月号の表紙を飾っている。 ペロブスカイトは、有機・無機分子であり、再生可能エネルギーに用いることが可能であるため、過去10年間で注目を集めている。太陽電池用には、シリコンと同等の効率を持ちながら、製造コストが低く、軽量であるため、光発光デバイスなどの幅広い用途に使用される可能性がある。しかし、ペロブスカイトの装置は、湿気、酸素、光、熱、電圧などにさらされると、シリコンよりも速く劣化するため、高効率性と環境条件に対する強靭性を併せ持つペロブスカイトを見つけることが、この分野での主要な課題である。 ペロブスカイトは、ABX3の一般的な構造を持っており、Aは有機（炭素ベース）または無機グループ、Bは鉛またはスズ、Xは塩化物（塩素、ヨウ素またはフッ素またはその組み合わせに基づく）で構成されている。そのため、「可能な化学組み合わせの数は膨大である」とLeiteは述べている。さらに、複数の環境条件で独立または組み合わせて評価する必要があり、従来の試行錯誤法では探索できないハイパーパラメータースペースが生まれる。 この研究は、機械学習アルゴリズムが機能するかどうかをテストすることを目的としている。SrivastavaとHeringは、自動化された高スループットシステムを構築し、サクラメントの夏の日の条件下で5つの異なるペロブスカイト膜の光ルミネセンス効率を測定した。彼らは1週間で7,000以上の測定値を収集し、信頼性の高いトレーニングセットを蓄積することができた。彼らは、これらのデータを使用して、3つの異なる機械学習アルゴリズムをトレーニングした。彼らは、物理的な結果と比較して、モデルの予測を評価した。SARIMAXモデルは、50時間以上の時間枠で観測された結果に90％の一致を示し、最高のパフォーマンスを発揮した。 この研究は、機械学習を使用して、ペロブスカイトの劣化を防ぐための候補材料と適切な条件を特定できることを示している。次のステップは、複数の環境要因の組み合わせを量化するために、実験を拡大することである。 ペロブスカイトフィルム自体は、完全な光起電力変換装置の一部に過ぎない。同じ機械学習手法は、完全なデバイスの振る舞いを予測するためにも使用できる。このパラダイムはユニークであり、今後の測定が待ち遠しい。私たちはペロブスカイトの研究を進め、新たな太陽電池技術に向けた貢献を続けます。