近日，我校碳中和新能源研究院严文生教授团队在钙钛矿光伏电池领域取得重要研究进展。他们将人工智能算法用于发现和探索未曾报道的高效钙钛矿电池。研究成果发表在国际能源领域顶级杂志Nano Energy(影响因子17.8)。
据悉，严文生教授团队另一篇关于朝向新型超高效硅声子晶体电池的重要研究成果已经被Nature子刊NPG Asia Materials 接受，将于近期出版发表。上述两篇论文均以杭电为第一单位，以我校碳中和新能源研究院为署名机构。
据央视新闻报道，在未来三十年，光伏发电将占据所有能源种类发电量的首位。到2060年碳中和实现时，我国光伏发电在所有能源电力中占比将高达50% (当前占比仅3.5%)。而钙钛矿电池是近些年来发现的一种新型光伏电池。由于具有低成本、高效率等优势，被学术界和产业界广泛看好。在本工作中，该团队将人工智能算法用来探索和发现未报道过的高效钙钛矿电池。首先，通过筛选符合条件的钙钛矿实验数据，进行模型构建，并找到最优机器学习算法。再将获得的优化算法用来预测未发现、未报道的高效率钙钛矿电池。图1展示了机器学习算法应用于开发高效钙钛矿电池的工作原理流程图。根据机器学习算法的预测，该团队在实验上进行相关钙钛矿材料合成及电池器件制备。通过实验与理论比较，发现两者吻合的很好。并在实验上获得的最佳平面电池效率为22.5%，如图2所示。 在此基础上，为了进一步提高光电流密度和转换效率，他们通过光管理策略，在玻璃的入光面采用PDMS材质的纳米锥阵列结构设计。结果发现，短路电流密度可以提高1.2 mA/cm2。相应地，转换效率提升至23.6%。最后，他们也对电池稳定性方面进行了研究，发现展现出明显提升。论文具体参见“Machine learning enabled development of unexplored perovskite solar cells with high efficiency”, Nano Energy, 107394 (2022).
我校碳中和新能源研究院成立于2022年初。目前，研究院包括教授、副教授、讲师、博士后30多名以及研究生130多名。研究院组织架构包括七大研究部：光伏新能源研究部、新型能源存储研究部、低碳技术研究部、低能耗量子微纳研究部、智能成像与计算感知研究部、资源空间信息研究部和纳米光电器件研究部。为了加强学术界与产业界链接机制，研究院特设立了一个产学研合作部。研究院把发挥学校优势与服务国家需求紧密结合，积极推动学校优势特色学科的汇聚与交叉融合，实现多院系多学科联合创新。通过搭建高层次交流平台、推动国际交流、深化校企合作，在绿色低碳发展战略领域围绕“双碳”主题与重点企业展开联合研究，实现基于学科交叉的科学研究和政、产、学、研之间的有机结合；聚焦主攻方向，攻克“卡脖子”关键核心技术问题，建设碳中和技术创新的前沿平台及专业人才的集聚高地。
图1. 机器学习算法应用于开发高效未知钙钛矿电池工作原理。
图2. (a)钙钛矿电池器件的截面图，(b)测量的J-V曲线，(c)测量和计算的EQE曲线，(d)器件稳定性测量和比较。
