특히 페로브스카이트를 기반으로 한 태양전지는 새로운 컴퓨터 지원 기술이 제공하는 기회를 보여주는 좋은 예입니다. 이 광물은 다층 태양광 모듈의 경우 30%가 훨씬 넘는 뛰어난 전력 생산량을 약속합니다.

그러나 수명이 길기 때문에 아쉬운 점이 남아 있으며, 이는 추가 요소를 추가하거나 제조 공정을 변경하거나 추가 코팅을 사용하여 변경될 수 있습니다. 그러나 후보자의 선택과 가능성의 수는 엄청납니다. 또한 효율성도 동시에 저하될 수 있습니다.

MIT에서 개발되어 Nature Communications에 게시된 자동화된 프로세스는 이 힘들고 무엇보다 시간이 많이 걸리는 재료 분석 프로세스의 속도를 획기적으로 가속화하기 위한 것입니다. 현재는 속성 분석 속도를 85배 향상시켜 더 빠른 속도로 향상시킬 수 있다는 이야기가 있습니다.

이는 초분광 카메라로 촬영한 샘플의 이미지를 검사하는 두 가지 알고리즘을 통해 가능해졌습니다. 가시광선보다 훨씬 더 많은 것을 보여주는 사진 덕분에 이들 중 수백 개를 확실하게 분석할 수 있었습니다. 필요한 시간은 연구에서 30분 미만으로 명시되어 있으며, 그렇지 않은 경우 며칠 동안 측정해야 합니다.

전기 전도성과 소재의 내구성을 결정하는 밴드 갭에 중점을 두었습니다. 둘 다 효율적이고 내구성이 뛰어난 태양전지에 필수적입니다. 이미 알려진 합금에 대한 후속 조사에서 정확도는 약 98%였습니다. 나쁘지 않아요.

새로운 구성의 새로운 샘플을 제공하는 프로세스는 현재 최적화되고 있습니다. 단 몇 분 안에 결과를 얻으려면 다양한 조합을 인쇄해야 합니다. 목표는 중단 없이 새로운 재료를 생산하고 테스트하는 것입니다. 매우 현실적인 수백만 개의 다양한 재료 샘플을 완전히 자동으로 테스트할 수 있습니다.

목표는 차세대 태양전지를 개발하는 것만이 아닙니다. 완전히 새로운 재료, 완전히 투명한 회로 및 전체 장치로 만들어진 반도체는 물론 더 좋고 효율적인 화면도 계획된 프로젝트 중 하나입니다.