Projektbeschreibung
Hochdurchsatz-Screening ergibt Profile der vielversprechendsten organischen Photovoltaikwerkstoffe
In den fast sieben Jahrzehnten seit der praktischen Vorführung der ersten Siliziumsolarzelle hat sich der Photovoltaikmarkt enorm weiterentwickelt. Während Silizium seit Jahren den Markt dominiert, gewinnt die organische Photovoltaik als vielversprechende Alternative mit überzeugenden Vorteilen in Bezug auf Leistungsverhalten, Eigenschaften und Verarbeitung zunehmend an Boden. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen geht das Projekt IDEAL nun die Herausforderung an, diese aussichtsreiche Technologie aus dem Labor in die Praxis zu übertragen. Das Team wird mithilfe maschinellen Lernens auf der Grundlage von Daten, die mit Hochdurchsatzverarbeitungsverfahren und anhand zahlreicher Materialien gesammelt wurden, den besten Kompromiss zwischen Wirkungsgrad und Stabilität durch Vorhersage der wichtigsten Moleküldeskriptoren für die in Frage kommenden Werkstoffe ermitteln.
Ziel
The researcher Dr. Sergi Riera-Galindo apply for a fellowship to address effIcient anD stablE orgAnic photovoLtaics (IDEAL) by combinatorial screening. This fellowship will be carried out in the NANOPTO group of Institute of Material Science of Barcelona (ICMAB-CSIC) under the supervision of Dr. Mariano Campoy-Quiles.
Organic photovoltaics (OPV) are a promising emerging renewable energy technology due to several attractive traits, including the possibility to broadly tune colour and transparency, light weight, insensitivity to the angle of illumination, and very high efficiency under low and indoor illumination. Moreover, their amenability for solution processing at low thermal budgets enables the roll-to-roll (R2R) fabrication of OPV modules, ensuring cost-efficient production in terms of energy and economics. Nowadays, the most important challenge is to transfer the large potential of OPV from lab scale to industry and improving its stability.
The overall objective of IDEAL is the development of highly efficient and stable OPV modules for diffuse light applications such as building integration and powering of internet of things (IoT) sensors.
In this project we will use high throughput fabrication methodology using combinatorial screening to evaluate the performance of a material system much faster than the conventional methods. The big data produced will be analysed by machine learning algorithms to predict the full photocurrent versus composition curves from vary basic molecular descriptors and to determine which are the most important parameters that define the best compromise between efficiency and stability.
The expertise of the researcher on fabrication organic electronic devices by solution processed techniques will be combined with the host group experience in combinatorial screening methodology and the use of machine learning in OPV. This project will be instrumental for the researcher to become a cutting-edge scientist and create his own group.
Wissenschaftliches Gebiet
- engineering and technologymaterials engineeringcolors
- natural sciencescomputer and information sciencesdata sciencebig data
- engineering and technologyelectrical engineering, electronic engineering, information engineeringelectronic engineeringsensors
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
- engineering and technologyenvironmental engineeringenergy and fuelsrenewable energysolar energyphotovoltaic
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
28006 Madrid
Spanien