太陽電池：再現性の高いペロブスカイト太陽電池に向けた自律型閉ループフレームワーク

ペロブスカイト太陽電池（PSC）の実用化では、材料発見とデバイス製造の両方において人間の専門知識に依存する非効率的な試行錯誤的手法がボトルネックとなっている。今回我々は、機械学習（ML）駆動型の材料発見と自動化された製造プラットフォームを統合した、自律型の閉ループフレームワークを提示する。この系は、能動学習と量子モデル化を用いて高性能分子を速やかに特定し、プラットフォームは、フィードバックループ内でベイズ最適化と関数同定問題を用いて製造工程を継続的に改良する。この統合的な手法によって、パッシベーション分子である5-(アミノメチル)ニコチノニトリルヨウ化水素酸塩（5ANI）の発見が可能になり、これにより、0.05 cm²太陽電池で27.22％という電力変換効率（PCE）（認定最大電力点追従〔MPPT〕効率は27.18％）、21.4 cm²ミニモジュールで23.49％というPCEが達成された。さらに、これらのデバイスは長期の動作安定性を示し、ISOS-L-1Iプロトコル下で1200時間の連続動作後も初期効率の98.7％を維持した。重要なことに、この自動化プラットフォームは、手作業による製造に比べて約5倍の効率再現性を達成した。今回の研究は、MLの力を借りた発見と自動化製造から得られる高忠実度データの相乗効果をもたらす自動化閉ループ系を確立し、太陽光発電および材料分野における自律的な発見と製造に向けたベンチマークを設定するものである。

目次へ戻る