以数据驱动优化弥合光伏研发与制造间的鸿沟
应用物理
2020-04-29 v1
摘要
新型光伏，如钙钛矿与钙钛矿启发材料，因高效率与潜在低制造成本而展现出巨大前景。迄今，太阳能电池研发主要聚焦于实现创纪录效率，这一过程常导致小批量、大方差，且对性能不佳的物理成因理解有限。该方法耗时耗力，并忽略了工业生产诸多相关因素，特别是高重现性与高制造良率的需求，以及伴随的物理洞见需求。创纪录效率范式在早期研发有效，但不适用于产业转化，需在产业环境中重复优化流程。这种优化目标的不匹配，加上物理根因分析的复杂性，导致了新技术进入市场长达数十年的时间线。基于近期机器学习与技术经济进展，我们的观点阐明了一种数据驱动优化框架，以桥接研发与制造优化路径。我们通过考量两个额外维度扩展了最大效率优化范式：技术经济优值度与可扩展物理推断。我们的框架以共享优化目标自然对齐技术发展的不同阶段，并通过提供物理洞见加速优化过程。
引用
@article{arxiv.2004.13599,
title = {Bridging the gap between photovoltaics R&D and manufacturing with data-driven optimization},
author = {Felipe Oviedo and Zekun Ren and Xue Hansong and Siyu Isaac Parker Tian and Kaicheng Zhang and Mariya Layurova and Thomas Heumueller and Ning Li and Erik Birgersson and Shijing Sun and Benji Mayurama and Ian Marius Peters and Christoph J. Brabec and John Fisher and Tonio Buonassisi},
journal= {arXiv preprint arXiv:2004.13599},
year = {2020}
}