La macchina per la scoperta delle celle solari

Con l’aiuto di cristalli conosciuti come perovskiti, le celle solari stanno battendo sempre più i record nella capacità di convertire la luce solare in elettricità. Ora un nuovo sistema automatizzato potrebbe far cadere questi record ancora più velocemente. RoboMapper della North Carolina State University è in grado di analizzare il rendimento delle perovskiti nelle celle solari, utilizzando circa un decimo o un cinquantesimo del tempo, dei costi e dell'energia del lavoro manuale o delle precedenti piattaforme robotiche, dicono i suoi inventori.

Le celle solari più comuni utilizzano il silicio per convertire la luce in elettricità. Questi dispositivi si stanno rapidamente avvicinando al limite teorico di efficienza di conversione del 29,4%; le moderne celle solari commerciali in silicio raggiungono ora un’efficienza superiore al 24%, e la migliore cella da laboratorio ha un’efficienza del 26,8%.

Una strategia per aumentare l'efficienza di una cella solare consiste nell'impilare due diversi materiali che assorbono la luce in un unico dispositivo. Questo metodo tandem aumenta lo spettro della luce solare che la cella solare può raccogliere. Un approccio comune con le celle tandem consiste nell’utilizzare una cella superiore in perovskite per assorbire la luce visibile ad alta energia e una cella inferiore in silicio per i raggi infrarossi a bassa energia. L’anno scorso gli scienziati hanno presentato le prime celle solari tandem perovskite-silicio in grado di superare la soglia di efficienza del 30%, e il mese scorso un altro gruppo ha riportato lo stesso traguardo.

La ricerca sui materiali convenzionali prevede che gli scienziati preparino un campione su un chip e poi eseguano più passaggi per esaminarlo utilizzando diversi strumenti. Gli sforzi di automazione esistenti “tendono a emulare i flussi di lavoro umani: tendiamo a elaborare i materiali un parametro alla volta”, afferma Aram Amassian, scienziato dei materiali presso la North Carolina State University, a Raleigh.

La maggiore riduzione dell'impatto ambientale di RoboMapper è derivata dal miglioramento dell'efficienza energetica durante i test.

Tuttavia, la moderna analisi genetica e farmaceutica spesso raggiunge risultati elevati posizionando dozzine di campioni su ciascuna piastra ed esaminandoli tutti in una volta. Anche RoboMapper segue questa strategia, utilizzando tecniche di stampa per miniaturizzare i campioni di materiale.

"Abbiamo tratto grandi vantaggi dall'interoperabilità dell'hardware con la biologia e la chimica, ad esempio nella gestione dei liquidi", afferma Amassian. Tuttavia, per RoboMapper, Amassian e il suo team hanno dovuto sviluppare nuovi protocolli per la gestione dei materiali di perovskite ed esperimenti di caratterizzazione diversi da quelli che si troverebbero nell'automazione della chimica. “Uno sviluppo particolare che abbiamo dovuto realizzare è stato quello di garantire che gli strumenti di caratterizzazione possano gestire l’elevata densità di materiali su un chip con l’automazione. Ciò ha richiesto un po’ di ingegneria sia dal lato hardware che da quello software”.

Una chiave per risparmiare tempo, energia, materiale e denaro è stata quella di ridurre la dimensione del campione di un fattore pari a 1.000. "La dimensione di stampa è dell'ordine di 50-150 [micrometri], mentre la maggior parte degli altri strumenti crea campioni dell'ordine di centimetri", afferma Amassian. "In genere, stampiamo volumi da picolitri a nanolitri mentre altre piattaforme stampano o rivestono microlitri."

Nei primi test di RoboMapper, gli scienziati hanno analizzato 150 diverse composizioni di perovskite. Nel complesso RoboMapper costava il 12% in meno, era nove volte più veloce e 18 volte più efficiente dal punto di vista energetico rispetto ad altre piattaforme robotiche. Ed era il 2% in meno, 14 volte più veloce e 26 volte più efficiente dal punto di vista energetico rispetto al lavoro manuale.

“Abbiamo deciso di costruire un robot in grado di generare grandi librerie di materiali in modo da poter creare set di dati per l’addestramento di modelli di intelligenza artificiale in futuro”, afferma Amassian. Una simile intelligenza artificiale potrebbe quindi prevedere quali strutture di perovskite funzioneranno meglio.

Università statale della Carolina del Nord

I ricercatori si sono concentrati sulla stabilità delle perovskiti, che rappresenta una sfida importante quando si tratta di cellule tandem. Le perovskiti tendono a degradarsi se esposte alla luce, perdendo le proprietà che le rendevano desiderabili, spiega Amassian.

Gli scienziati hanno analizzato la struttura della perovskite, le proprietà elettroniche e la stabilità in risposta alla luce intensa utilizzando la microscopia ottica, la mappatura spettroscopica di microfotoluminescenza e la mappatura di diffusione dei raggi X ad ampio angolo basata sul sincrotrone. Questi dati sperimentali sono stati poi utilizzati per sviluppare modelli computazionali che identificavano una composizione specifica che secondo i ricercatori avrebbe avuto la migliore combinazione di attributi.