MIT Investigación + Acción
En la carrera en curso para desarrollar materiales y configuraciones cada vez mejores para las células solares, hay muchas variables que se pueden ajustar para tratar de mejorar el rendimiento, incluido el tipo de material, el grosor y la disposición geométrica. El desarrollo de nuevas células solares ha sido generalmente un proceso tedioso de realizar pequeños cambios en uno de estos parámetros a la vez. Si bien los simuladores computacionales han hecho posible evaluar dichos cambios sin tener que construir realmente cada nueva variación para la prueba, el proceso sigue siendo lento.
Ahora, los investigadores del MIT y Google Brain han desarrollado un sistema que hace posible no solo evaluar un diseño propuesto a la vez, sino también proporcionar información sobre qué cambios proporcionarán las mejoras deseadas. Esto podría aumentar considerablemente la tasa de descubrimiento de configuraciones nuevas y mejoradas.
El nuevo sistema, llamado simulador de células solares diferenciables, se describe en un artículo publicado hoy en la revista Computer Physics Communications , escrito por el joven Sean Mann del MIT, el científico investigador Giuseppe Romano del Instituto de Nanotecnologías de Soldados del MIT, y otros cuatro en el MIT y en Google Brain.
Los simuladores de células solares tradicionales, explica Romano, toman los detalles de la configuración de una célula solar y producen como salida una eficiencia prevista, es decir, qué porcentaje de la energía de la luz solar entrante se convierte realmente en una corriente eléctrica. Pero este nuevo simulador predice la eficiencia y muestra cuánto se ve afectada esa salida por cualquiera de los parámetros de entrada. “Le dice directamente qué sucede con la eficiencia si hacemos esta capa un poco más gruesa, o qué sucede con la eficiencia si, por ejemplo, cambiamos la propiedad del material”, dice.
En resumen, dice, “no descubrimos un nuevo dispositivo, pero desarrollamos una herramienta que permitirá a otros descubrir más rápidamente otros dispositivos de mayor rendimiento”. Con este sistema, “estamos disminuyendo la cantidad de veces que necesitamos ejecutar un simulador para brindar un acceso más rápido a un espacio más amplio de estructuras optimizadas”. Además, dice, “nuestra herramienta puede identificar un conjunto único de parámetros de material que ha estado oculto hasta ahora porque es muy complejo ejecutar esas simulaciones”.
MIT , Una herramienta para acelerar el desarrollo de nuevas células solares
Mientras que los enfoques tradicionales utilizan esencialmente una búsqueda aleatoria de posibles variaciones, Mann dice, con su herramienta “podemos seguir una trayectoria de cambio porque el simulador te dice en qué dirección quieres cambiar tu dispositivo. Eso hace que el proceso sea mucho más rápido porque en lugar de explorar todo el espacio de oportunidades, puede seguir un único camino ”que conduce directamente a un mejor rendimiento.
Dado que las células solares avanzadas a menudo se componen de múltiples capas entrelazadas con materiales conductores para transportar carga eléctrica de una a otra, esta herramienta computacional revela cómo el cambio de espesores relativos de estas diferentes capas afectará la salida del dispositivo. “Esto es muy importante porque el grosor es fundamental. Existe una fuerte interacción entre la propagación de la luz y el grosor de cada capa y la absorción de cada capa ”, explica Mann.
Otras variables que pueden evaluarse incluyen la cantidad de dopaje (la introducción de átomos de otro elemento) que recibe cada capa, o la constante dieléctrica de las capas aislantes, o la banda prohibida, una medida de los niveles de energía de los fotones de luz que pueden ser capturado por diferentes materiales utilizados en las capas.
Este simulador ahora está disponible como una herramienta de código abierto que se puede usar de inmediato para ayudar a guiar la investigación en este campo, dice Romano. “Está listo y puede ser adoptado por expertos de la industria”.
Para hacer uso de él, los investigadores combinarían los cálculos de este dispositivo con un algoritmo de optimización, o incluso un sistema de aprendizaje automático, para evaluar rápidamente una amplia variedad de cambios posibles y localizar rápidamente las alternativas más prometedoras.
En este punto, el simulador se basa solo en una versión unidimensional de la celda solar, por lo que el siguiente paso será expandir sus capacidades para incluir configuraciones bidimensionales y tridimensionales. Pero incluso esta versión 1D “puede cubrir la mayoría de las células que están actualmente en producción”, dice Romano. Ciertas variaciones, como las llamadas células en tándem que utilizan diferentes materiales, aún no se pueden simular directamente con esta herramienta, pero “hay formas de aproximar una celda solar en tándem simulando cada una de las células individuales”, dice Mann.
El simulador es “de un extremo a otro”, dice Romano, lo que significa que calcula la sensibilidad de la eficiencia, también teniendo en cuenta la absorción de luz. Agrega: “Una dirección futura atractiva es componer nuestro simulador con simuladores de propagación de luz diferenciables avanzados existentes , para lograr una mayor precisión “.
En el futuro, dice Romano, debido a que se trata de un código de fuente abierta, “eso significa que una vez que está allí, la comunidad puede contribuir a él.
Y es por eso que estamos realmente emocionados ”. Aunque este grupo de investigación es “solo un puñado de personas”, dice, ahora cualquiera que trabaje en el campo puede realizar sus propias mejoras y mejoras en el código e introducir nuevas capacidades. MIT , Una herramienta para acelerar el desarrollo de nuevas células solares
“La física diferenciable proporcionará nuevas capacidades para las simulaciones de sistemas diseñados”, dice Venkat Viswanathan, profesor asociado de ingeniería mecánica en la Universidad Carnegie Mellon, que no estuvo asociado con este trabajo. “El simulador de células solares diferenciables es un ejemplo increíble de física diferenciable, que ahora puede proporcionar nuevas capacidades para optimizar el rendimiento de los dispositivos de células solares”, dice, y califica el estudio como “un emocionante paso adelante”.
Además de Mann y Romano, el equipo incluía a Eric Fadel y Steven Johnson en MIT, y Samuel Schoenholz y Ekin Cubuk en Google Brain. El trabajo fue apoyado en parte por Eni SpA y MIT Energy Initiative, y MIT Quest for Intelligence.