Projektbeschreibung
Stabilität von Perowskit-Solarzellen mit durch Vorwissen geprägtes maschinelles Lernen verbessern
Perowskit-Solarzellen gehören zu den vielversprechendsten Photovoltaiktechnologien, mit rekordverdächtigen Wirkungsgraden, die sich innerhalb weniger Jahrzehnte nun den 30 % nähern. Ihr Potenzial wird jedoch aufgrund ihrer begrenzten Betriebsdauer noch nicht kommerziell genutzt. Um die Auswahl stabiler Werkstoffe zu vereinfachen, sind bessere Modelle zur Vorhersage der Bauteilermüdung erforderlich. Mit Unterstützung der Marie-Skłodowska-Curie-Maßnahmen wird das Projekt ACCELERATE-PER maschinelles Lernen in Verbindung mit Werkstoffbeschaffenheit nutzen und gleichzeitig experimentelle Paradigmen entwickeln, die mit dem maschinellen Lernen kompatibel sind. Dadurch werden die Algorithmen des maschinellen Lernens mit der physikalischen Realität in Einklang gebracht, während gleichzeitig das Problem der Datenknappheit überwunden wird, das den Einsatz des maschinellen Lernens in der experimentellen Wissenschaft behindert hat.
Ziel
The development of sustainable energy production technologies, such as new types of solar cells, has traditionally taken decades. These research cycles need to be accelerated in order to respond to the urgent climate change crisis. Perovskite solar cells (PSCs) are a recent technology that boast high electricity production efficiencies, however they suffer from insufficient lifetimes. Since there are thousands of material candidates even for a single layer of a PSC, it is challenging to search for stable materials and infer device degradation mechanisms. This project aims to implement machine learning (ML) as a part of the solution. I will create an accelerated, ML-assisted research cycle for improving the lifetime of PSCs: I will focusing on optimizing the composition of the light absorbing layer – perovskite – for stability. I will show the resulting stability improvements in full PSCs and develop faster inference of the remaining PSC degradation mechanisms. The acceleration in the cycle arises from i) using ML to save experimental bandwidth, ii) designing experiments that are directly compatible with ML (opposed to first collecting data and then figuring out how to use it with ML), and iii) maximizing effectiveness by teaching physics to the ML algorithm. For example, at the materials level, the algorithm needs to know that certain perovskite compositions do not exist as mixed materials according to density functional theory. The physics integration aligns ML algorithms with physical reality and alleviates data scarcity that has traditionally hindered the use of ML in experimental science. My highly collaborative and interdisciplinary project demonstrates the potential of integrated ML-assisted research cycles in accelerating stability research, and develops applied ML methods applicable to optimization in both research and industry. The project leads to more stable PSCs, thus taking us closer to sustainable energy production.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
- Technik und TechnologieUmwelttechnikEnergie und Kraftstoffeerneuerbare Energie
- NaturwissenschaftenNaturwissenschaftenAstronomiegalaktische AstronomieSolarphysik
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.2 - Marie Skłodowska-Curie Actions (MSCA) Main Programme
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) HORIZON-MSCA-2021-PF-01
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European FellowshipsKoordinator
02150 Espoo
Finnland