تساعد تكنولوجيا الذكاء الاصطناعي العلماء على تحسين عملية تصنيع الخلايا الشمسية عالية الكفاءة وتوفر مخططًا لمختلف مجالات البحث الأخرى. تمثل الخلايا الشمسية الترادفية البيروكسيد تقنية هجينة متقدمة تمزج الخلايا الشمسية البيروكسيدية مع الخلايا الشمسية التقليدية، والتي عادة ما تكون مصنوعة من السيليكون. ويأتي هذا النهج المبتكر في طليعة تكنولوجيا الطاقة الشمسية، بكفاءة تزيد عن 33%، وهو ما يتجاوز بشكل كبير الخلايا الشمسية السيليكونية القياسية.
بالإضافة إلى ذلك، فإن المواد الخام التي يستخدمونها رخيصة وسهلة التصنيع. ولتحقيق هذا المستوى من الكفاءة، يجب إنتاج طبقة رقيقة جدًا من البيروكسيد المتقدم، لا يتجاوز سمكها جزءًا من سمك شعرة الإنسان.
قال أولريش دبليو بايتزولد، الأستاذ الدائم الذي يجري أبحاثًا في معهد تكنولوجيا البنية الدقيقة ومعهد تكنولوجيا الضوء التابع لـKIT: "إن صنع مثل هذه الطبقات الرقيقة متعددة البلورات المتقدمة دون أي عيوب أو ثقوب باستخدام طريقة منخفضة التكلفة وقابلة للتطوير يعد أحد أكبر التحديات".
حتى في ظل الظروف المختبرية التي تبدو مثالية، قد تكون هناك عوامل غير معروفة تسبب تغيرات في جودة طبقة أشباه الموصلات، يوضح بايتزولد: "يمنع هذا الخلل في النهاية البدء السريع للإنتاج الصناعي لهذه الخلايا الشمسية عالية الكفاءة، والتي هناك حاجة ماسة إليها من أجل تحول الطاقة".
يجد الذكاء الاصطناعي علامات مخفية على الطلاءات الفعالة
للعثور على العوامل التي تؤثر على الطلاء، تعاون فريق متعدد التخصصات من خبراء الخلايا الشمسية البلورية من KIT مع خبراء التعلم الآلي والذكاء الاصطناعي القابل للتفسير (XAI) من شركة Helmholtz Imaging وشركة Helmholtz Artificial Intelligence في DKFZ Heidelberg.
طور الباحثون أساليب الذكاء الاصطناعي لاستخدام مجموعة بيانات ضخمة لتدريب وتحليل الشبكات العصبية. تتضمن مجموعة البيانات تسجيلات فيديو توضح التألق الضوئي لطبقات رقيقة من البيريتكت أثناء عملية التصنيع. يشير اللمعان الضوئي إلى الإشعاع المنبعث من طبقة أشباه الموصلات عندما يكون متحمسًا بمصدر ضوء خارجي.
يشرح لوكاس كلاين وسيباستيان زيجلر من DKFZ Helmholtz Imaging: "نظرًا لأنه حتى الخبراء لا يمكنهم رؤية أي شيء خاص في الطبقة الرقيقة، فقد توصلنا إلى فكرة تدريب نظام الذكاء الاصطناعي للتعلم الآلي (التعلم العميق) لاكتشاف العلامات المخفية للطلاء الجيد أو السيئ من ملايين عناصر بيانات الفيديو."
لتصفية وتحليل العلامات المتفرقة على نطاق واسع لمخرجات نظام الذكاء الاصطناعي للتعلم العميق، استخدم الباحثون بعد ذلك أساليب الذكاء الاصطناعي القابلة للتفسير.
مخطط لمتابعة البحوث
ووجد الباحثون من خلال التجارب أن اللمعان الضوئي يتغير أثناء عملية الإنتاج، وتؤثر هذه الظاهرة على جودة الطلاء.
"إن مفتاح عملنا هو الاستخدام المستهدف لطرق XAI لفهم العوامل التي يجب تغييرها للحصول على خلايا شمسية عالية الجودة. وهذا ليس هو النهج المعتاد. في معظم الحالات، يتم استخدام XAI فقط كحاجز حماية لتجنب الأخطاء عند بناء نماذج الذكاء الاصطناعي. وهذا تغيير نموذجي: فالحصول على رؤى وثيقة الصلة بعلم المواد بهذه الطريقة المنهجية هي تجربة جديدة تمامًا،" كما قال كلاين وزيغلر.
في الواقع، كانت الاستنتاجات المستخلصة من التغيرات في اللمعان الضوئي هي التي سمحت للباحثين باتخاذ الخطوة التالية. وبعد تدريب الشبكة العصبية وفقًا لذلك، يمكن للذكاء الاصطناعي التنبؤ بما إذا كانت كفاءة كل خلية شمسية منخفضة أم عالية بناءً على التغير في انبعاث الضوء الذي يحدث عند هذه النقطة في عملية التصنيع.
يؤكد أولريش دبليو بايتزولد: "هذه النتائج مثيرة للغاية. وبفضل الاستخدام المشترك للذكاء الاصطناعي، لدينا أدلة موثوقة حول المعلمات التي يجب تغييرها أولاً لزيادة الإنتاج. الآن نحن قادرون على إجراء تجارب بطريقة أكثر استهدافًا، بدلاً من البحث بشكل أعمى عن إبرة في كومة قش. وهذا مخطط للأبحاث اللاحقة وينطبق أيضًا على العديد من الجوانب الأخرى لأبحاث الطاقة وعلوم المواد."
المصدر المجمع: ScitechDaily