Perowskit-Solarzellen sind hocheffizient. Doch die Produktionsqualität ist heute noch zu schwankend für eine Skalierung auf Industrieniveau. Ein neuer Ansatz zeigt auf, wie die Prozesse stabiler werden.
Forschende des Karlsruher Instituts für Technologie (KIT) sowie der Plattformen Helmholtz Imaging am Deutschen Krebsforschungszentrum (DKFZ) und Helmholtz AI haben einen Ansatz entwickelt, mit dem sich die Qualität der Perowskit-Schichten und damit der Solarzellen in der Produktion vorhersagen lassen. Dafür wenden sie Methoden des Maschinellen Lernens und der Künstlichen Intelligenz (KI) auf Variationen in der Lichtemission während der Herstellung an.
Als Trainingsdaten verwendeten die Forschenden Videoaufnahmen der Photolumineszenz der Perowskit-Dünnschichten. Photolumineszenz bezeichnet die strahlende Emission der Halbleiterschichten nach Anregung durch eine externe Lichtquelle. Die Forschenden konnten im Versuch erkennen, dass die Photolumineszenz während der Produktion variiert und dies die Beschichtungsqualität beeinflusst. Auf dieser Basis konnte die KI voraussagen, ob die Solarzelle einen niedrigen oder hohen Wirkungsgrad erreicht, je nachdem wann welche Variation in der Lichtemission im Laufe der Produktion stattfand.
Entscheidend sei bei der Arbeit gewesen, dass Methoden der Erklärbaren Künstlichen Intelligenz (XAI) gezielt eingesetzt wurden, um zu sehen, welche Faktoren sich für eine hochwertige Solarzelle ändern müssten. Bislang wurden XAI-Methoden zumeist nur genutzt, um Fehler beim Bauen von KI-Modellen zu vermeiden.