211service.com
Spol frem
Tonio Buonassisis Photovoltaics Lab fremskynder udviklingen af nye solcellematerialer ved hjælp af maskinlæring, robotter og godt gammeldags teamwork.
27. april 2021
Denne robotkemiker, som professor Tonio Buonassisi arbejder med i Singapore, bruger maskinlæring til at blande kemikalier i prøver. Zakaria Zainal
Hvis vi vil reducere forbruget af fossilt brændstof nok til at forhindre, at verden opvarmes katastrofalt, er vi nødt til at vride meget mere strøm ud af solen. En række ekspertgrupper, herunder det mellemstatslige panel om klimaændringer, har konkluderet, at vi bliver nødt til at få omkring en tredjedel af verdens elektricitet fra solkilder inden 2030.
Lige nu, med mindre end et årti tilbage, er vi på omkring en tiendedel af det, siger Tonio Buonassisi , professor i maskinteknik og leder af Instituttets Fotovoltaik laboratorium . For at nå målet bliver vi nødt til dramatisk at fremskynde udbredelsen af solenergi .
Den høje gennemløbspipetteringsenhed fra Buonassisis robotkemiker kombinerer røde, blå og gule fødevarefarver for at skabe specifikke farver.
ZAKARIA ZAINALMed det i tankerne er PV-laboratoriet løbende blevet omkonfigureret i løbet af de sidste par år, da Buonassisi og hans kolleger bringer alt ind, som de kan komme i tanke om, der kan fremskynde søgningen efter nye solmaterialer. De har prøvet alt fra stopure og personlighedstests til maskinlæringsalgoritmer og pipetteringsrobotter.
Resultatet er et laboratorietempo, der er størrelsesordener hurtigere. De har kondenseret processer, der en gang tog seks måneder eller et år, til to uger; analyse af røntgendiffraktionsspektre, der engang krævede to til tre timer, kan nu udføres på 5,5 minutter. Lige nu handler det om fart, siger Buonassisi.
Ud over silicium
PV Lab begyndte at arbejde med maskinlæringsalgoritmer i 2012. Vi tænkte ikke på dem som denne helt nye måde at lave videnskab på, siger Buonassisi. Vi tænkte bare på dem som et produktivitetsværktøj. Men i 2017 indså han, at hovedspørgsmålet, som laboratoriet kredsede om, var for komplekst til at besvare med traditionelle midler. Jeg var nødt til at ændre den måde, jeg forskede på, for at kunne adressere det, siger han.
Det spørgsmål var, hvordan man kunne finde levedygtige alternativer til silicium til brug ved opsamling af solenergi. I øjeblikket er 95% af verdens solceller stole på silicium halvledere . Dette element er rigeligt - findes i næsten alt snavs og sand - og solceller lavet med det er relativt effektive og seje. Dit gennemsnitlige siliciumsolpanel kan konvertere omkring 20 % af energien fra det sollys, der rammer det, og det kan arbejde dag efter dag i årtier uden at gå i stykker.
Når du sidder fast i en tilstand med lav gennemstrømning, har du en tendens til at spille sikkert. Hvis du ved, at du har flere chancer, kan du være mere ambitiøs.
Men at omdanne silicium til de tynde, rene wafers, der er nødvendige for disse celler, er dyrt og relativt vanskeligt og energikrævende. Det kræver også ofte sjældnere materialer, som sølv. Eksperter, herunder Buonassisi, arbejder på at forbedre disse processer. Men hvis vi ønsker at gøre solenergi til en stor del af nettet, vil det at bringe nogle materialer, der er nemmere at fremstille, udvide mulighederne - og, siger Buonassisi, kan det accelerere konkurrencen, drive innovation op og priser ned over hele linjen.
En lovende klasse af materialer er perovskiter, naturlige og laboratoriefremstillede forbindelser med en krystallinsk struktur, der gør dem til gode halvledere. Perovskites er enklere og hurtigere at fremstille end siliciumwafers. Fordi de er forbindelser snarere end elementer, kan der være et stort antal af dem, der endnu ikke er blevet skabt, siger PV Lab-medlem Jim Serdy. Forskellige perovskiter kan også stables i en enkelt solcelle for at absorbere forskellige bølgelængder af lys og presse mere energi ud af hver solstråle.
Hvis perovskites formår at gå ind på solenergimarkedet, kan det være den kritiske vej til at tilfredsstille verdens energibehov bæredygtigt, siger Serdy. Men om det er muligt afhænger meget af, hvor hurtigt vi kan opdage disse nye forbindelser og deres egenskaber.
Ukendt territorium
Det store antal perovskites er spændende - der kan være tusindvis derude, som passer godt til forskellige applikationer. Men det gør det også til en skræmmende opgave at søge efter det perfekte materiale – et, der udfører en ønsket opgave med den rigtige kombination af stabilitet, effektivitet og omkostningseffektivitet, og som også kan fremstilles nemt og i skala.
Tidligere ville videnskabsmænd, der forsøgte at opdage eller opfinde et nyt materiale, starte med nogle kvalificerede gæt. De lavede nogle få materialer i laboratoriet, testede dem og brugte derefter det, de lærte, til at prøve igen. At finde kun én god mulighed kan tage et år eller mere. Statistisk set er det ligesom aberne ved en skrivemaskine - der banker væk, indtil de tilfældigvis skriver noget brugbart, siger Buonassisi.
PV Labs forskere følger stadig denne grundlæggende procedure. (Den videnskabelige metode går ikke af mode, siger han.) De har bare sat turbo på den. Algoritmer trænet på teoretisk viden og tidligere resultater hjælper dem med at foretage smartere gæt. Og high-throughput eksperimentering og automatiseret analyse giver dem mulighed for at teste disse gæt hurtigere og køre mange tests parallelt. Med alle disse fremskridt er vi i stand til at accelerere hele processen, siger forsker Shijing Sun, teamleder for laboratoriets Accelerated Materials Development Program.
Højeffektiv forskning fremskynder ikke blot opdagelsestempoet - det gør også folk dristigere, siger Buonassisi. Når du sidder fast i en tilstand med lav gennemstrømning, har du en tendens til at spille det sikkert, siger han. Hvis du ved, at du har flere chancer, kan du dog være meget mere ambitiøs.
I efteråret 2018 begyndte Suns team for eksempel at lede efter mere stabile perovskitter. (Selvom nogle perovskit-solceller nu er lige så effektive som siliciumceller, har de en tendens til at være mere tilbøjelige til at blive nedbrudt.) De startede med at identificere, hvad de kalder deres søgerum, i dette tilfælde en gruppe på 5.000 forskellige mulige materialer at evaluere - alle kombinationer af cæsium, methylammonium, formamidinium og blyiodid, blandet i forskellige proportioner og syntetiseret på forskellige måder.
Forsker Shijing Sun og Buonassisi i PV Lab i 2019.
JOHN FREIDAHTil deres første runde af eksperimentel undersøgelse bad gruppen en algoritme om at vælge 28 materialer, der gav et bredt udsnit af mulighederne, siger Sun. Efter at have syntetiseret disse materialer, udsatte holdet dem for high-throughput værktøjer og teknikker udviklet af Serdy og en af laboratoriets tekniske medarbejdere, Janak Thapa. Disse værktøjer gør det muligt for dem at teste materialernes stabilitet hurtigt ved at udsætte dem for høje temperaturer, høj luftfugtighed og belysning - saftige versioner af de forhold, de kan opleve på en solrig tagterrasse.
Vi sætter dem i bund og grund i en sauna, siger Armi Tiihonen, der er postdoktor i laboratoriet. Vi sigtede efter ekstrem acceleration, for at få materialerne til at nedbrydes hurtigt, fordi vi ikke ønskede at spilde måneders tid.
For at måle deres stabilitet trænede holdet kameraer på materialerne, indstillet til at tage billeder hvert femte minut. Perovskitter skifter farve, når de nedbrydes, og falmer ofte fra næsten sorte til en bleggul. Efter at prøverne havde tilbragt omkring fem dage i saunaen, analyserede holdet billederne for at bestemme hvert materiales nedbrydningshastighed. (De analyserede også nogle af prøverne dybere ved hjælp af røntgendiffraktion for at bekræfte visuelle observationer og se, hvordan materialernes struktur ændrede sig, efterhånden som de blev nedbrudt.)
Derefter førte de disse resultater tilbage til den første algoritme og bad den om at vælge 28 flere materialer - nogle ligner dem, der havde haft størst succes i forsøgsstadiet, og nogle fra dele af rummet, der forblev uudforsket.
Selv de mest erfarne materialeforskere ville have problemer med at foretage den slags opkald, siger Sun. Jeg kan tage en beslutning, hvis vi har 10 materialer, siger hun. Hvis vi har 5.000 materialer, kan jeg ikke rigtig tænke på, hvad jeg så skal gøre.
Holdet gennemgik denne cyklus et par gange - ved at vælge materialer via algoritmen, oprette og teste prøver i den virkelige verden og give feedback til algoritmen. Ved afslutningen af fjerde runde havde de fundet en klynge af materialer, der var 17 gange mere stabile end den mest almindeligt anvendte perovskit - samt tre gange mere stabil end laboratoriets tidligere rekordholder, som de havde fundet på mere traditionelle måder. . (Deres resultater og metoder blev offentliggjort i februar af tidsskriftet Matter.)
Andre PV Lab-projekter har haft lignende succes. I 2019 satte Suns team sig for at finde blyfri perovskitter. De identificerede to materialer, der var helt nye, sammen med fire, som aldrig før var blevet fremstillet i den tyndfilmsform, der er nødvendig til brug i solceller. Tidligere ville det nok have taget os over et år, siger Buonassisi. Med de nye metoder var de færdige på to måneder.
I et andet eksperiment viste en perovskit-solcelle bygget med et af disse nye materialer sig mere stabil under barske miljøforhold end den bedste, de nogensinde havde lavet med deres tidligere metoder, hvilket viser, at forbedringerne i disse individuelle materialer går igennem til solenergienhederne, som er lavet med dem.
Holdet smelter simuleringen og eksperimentet sammen for hurtigt at identificere og teste lovende materialer, siger Buonassisi. Vi kommer tættere og tættere på det punkt, hvor vi kan forestille os noget og så være i stand til at realisere det i det virkelige liv.
Livet i overhalingsbanen
Forskere i PV Lab tager det stadigt stigende tempo i stiv arm. I 2020, efter 10 års studier og arbejde i bench science, begyndte Thapa at dykke ned i maskinlæring; ved udgangen af året havde han været medforfatter til sit første papir om emnet.
Laboratoriets personlighed er tilpasningsevne, siger han; medlemmer lærer at gøre, hvad gruppen har brug for. Det gælder selv for laboratoriets bachelorer. Målet er, at enhver studerende, der kommer igennem, lærer at være i et projekt og være i et team og være et velafrundet, bidragende medlem af STEM-fællesskabet, siger Sara Bonner, laboratoriets programadministrator.
Disse mål kan føre til usædvanlig praksis. For år siden, for at finde ud af, hvor de kunne spare tid, lånte laboratoriet et værktøj fra fabriksgulve i det tidlige 20. århundrede: Vi havde bogstaveligt talt folk med stopur, der overvågede hvert trin i laboratorieprocessen og timing det, siger Buonassisi. På baggrund af denne analyse optimerede de deres metoder og investerede i nyt udstyr. De forbedrede deres prøveforberedelseseffektivitet med 350 %, fra 28 minutter pr. prøve i 2015 til omkring otte i 2018.
For nylig bad han alle i laboratoriet om at tage personlighedstests, så de kunne lære at bygge videre på hinandens styrker og arbejde bedre sammen. Han ser disse øvelser som investeringer. Hvis vi bruger tiden på at udvikle det her værktøjssæt, der gør, at vi kan arbejde mere produktivt, så kan vi løse 10 gange så mange problemer, siger han.
Når indsatsen er høj, kan et hæsblæsende tempo faktisk være en lettelse. I starten af sin karriere, siger Tiihonen, var arbejdet så langsomt, at hendes mål altid virkede uden for rækkevidde. Men nu kan hun og hendes kolleger faktisk nå det, vi gerne vil.
Sun kan lide den måde, de nye teknikker giver hende mulighed for at udvide sit ekspertiseområde - hvor teamet tidligere kunne have fokuseret på én parameter eller én klasse af perovskites, har de nu mulighed for at kunne træde ind i flere projekter, og virkelig komme tættere på det drømmesolcellemateriale, siger hun.
Holdet bliver ved med at søge efter flaskehalse i processen og udvider dem, hvor de kan. I de sidste par år har Buonassisi brugt meget tid i Singapore som en del af Singapore-MIT Alliance for Research and Technology. Der og på MIT begynder han at inkorporere robotter, der kan udføre nogle af trinene i laboratoriets forskningspipeline. I Singapore, for eksempel, blander en formuleringsrobot forskellige kemikalier i de sammensætninger, der kræves til prøvetagning, hurtigere og mere præcist, end en forsker omhyggeligt kunne pipettere dem. Den kan udføre de små fysiske trin omkring fire til 10 gange så hurtigt, som en person kan, og dens præcision hjælper med at forbedre reproducerbarheden. Desuden kan denne robot fjernstyres, så laboratoriemedlemmer eller samarbejdspartnere overalt kan stille job i kø og køre dem, siger Buonassisi. I mellemtiden arbejder han og et par samarbejdspartnere også på et super-high-throughput-værktøj, der vil hjælpe forskere i hans MIT-laboratorium med at søge gennem endnu flere muligheder på én gang.
Selvom maskiner kan være hurtigere, er mennesker generelt mere tilpasningsdygtige. Ved at bruge robotter og lignende værktøjer, når de er nyttige, i stedet for at automatisere alting, kan laboratoriet accelerere, samtidig med at den menneskeskabte fleksibilitet bevares, som Buonassisi siger, er særlig vigtig for tidlige R&D-faser.
Men den ultimative fremskyndelse, siger han, kommer, når andre bruger disse metoder og forbedrer dem. PV Lab åbner alt, hvad det gør – fra de stabilitetssøgende algoritmer til tegningerne til maskinerne – for at skubbe disse teknologier ud og få flere mennesker til at begejstres over dem og arbejde på dem, siger han. Vi har ikke al tid i verden til at vente.
At finde den perfekte opskrift
Et AI-drevet forskningsværktøj
ser til fortiden for at finde bedre måder
at lave materialer.
For at komme videre må vi ofte kigge bag os. Elsa Olivetti, Esther og Harold E. Edgertons karriereudviklingsprofessor i MIT's afdeling for materialevidenskab og teknik, og hendes laboratorium har arbejdet på et sæt algoritmer — eller som hun ynder at kalde det, en data science pipeline — der lader forskere søge i den videnskabelige litteratur fra den seneste fortid for at finde spor om, hvordan man bygger de ting, vi har brug for til fremtiden.
Elsa Olivetti
UDFØRT FOTOOlivettis gruppe — som er fokuseret på at finde bæredygtige og overkommelige måder at designe og udvikle materialer på — er altid på jagt efter nye værktøjer, siger hun. For nogle år siden talte hun med Gerbrand Ceder, dengang et MIT-fakultetsmedlem og skaber af Materials Project — en database med information om kendte og forudsagte materialer, som forskere kan bruge til at finde forbindelser, der har de præcise egenskaber, de leder efter, selvom de aldrig er blevet lavet før.
Olivetti så en mulighed for at gå videre. Selvom det er et vigtigt første skridt at vide, hvad man skal lave, er det, hvordan man fremstiller materialet, det, man skal vide med hensyn til den miljømæssige og økonomiske påvirkning, siger hun. I mange tilfælde, mente hun, har folk allerede gjort arbejdet med at lave materialet og har minutiøst registreret og offentliggjort, hvilke skridt der var tale om, og hvordan det gik. Hvorfor ikke udnytte denne ressource?
Sig, at du har fået til opgave at lave en chokoladekage, der bager hurtigt og bruger overkommelige ingredienser. Du kan starte fra bunden: blande komponenter, justere forhold og bage kage efter kage, indtil du rammer noget, der virker. Du kan også gennemtrawle gamle kogebøger, se online tutorials og tale med betroede venner. Men hvad nu hvis du havde en maskine, der kunne se millioner af kogebøger, videoer og kommentarsektioner på bagewebsteder igennem og samle de oplysninger, den fandt, i en ny opskrift, der passer til dine formål?
Dette er i bund og grund, hvad Olivettis værktøj gør. Dets brugere ønsker måske at lave en solid-state elektrolyt til et lithium-ion batteri eller et lavt kulstof-
emission cement erstatning. I stedet for at prøve at læse og syntetisere tidligere arbejde i området på egen hånd eller sammen med nogle få kolleger, kan de bede værktøjet om at gennemse lige så meget af litteraturen, som det har adgang til — i øjeblikket millioner af papirer og patenter.
Olivettis værktøj kombinerer naturlige sprogbehandlingsalgoritmer — som scanner gennem papirer for at trække relevant information ud — med neurale netværk, som anbefaler nye opskrifter ud fra, hvad der har virket tidligere. Den søger information om det pågældende materiale, men også om forskellige materialer, der kan have beslægtede egenskaber.
Det har været udfordrende at skabe et sæt algoritmer, der kan destillere så mange papirer, hver med deres domænespecifikke ordforråd og stilistiske særheder, til nyttige opskrifter, siger Olivetti. Men indsatsen giver allerede uventede indsigter.
I 2019 arbejdede hun og nogle kolleger med zeolitter, porøse materialer, der er afgørende for anvendelser fra industriel katalyse til luftrensning. Størrelsen og arrangementet af deres porer påvirker, hvad zeolitter kan bruges til, men præcis hvordan man kontrollerer denne egenskab under syntese var ikke kendt. Ved at bruge deres algoritme til at knuse litteraturen var Olivetti og hendes kolleger i stand til at udlede de afgørende trin i at gøre zeolitter mere eller mindre porøse — ved at bruge de kombinerede resultater fra tidligere forskere til at redde fremtidige fra endeløse runder af forsøg og fejl.
Ud over at servere eksisterende opskrifter på materialer, kan en algoritme som denne være med til at skabe nye, siger Olivetti. Hun kan forestille sig at inkorporere et tekstminetrin i en arbejdsgang som Buonassisis, for at bringe en historisk dimension ind i AI-drevne forsøg på materialesyntese.
Det kan også være muligt, siger Olivetti, at bruge lignende teknologi til at trække brede temaer fra feltet eller forstå nye tendenser — fede, brede muligheder, som vi lige er begyndt at ridse i overfladen af.