Enlitech-顶尖团队评分！
摘要
在追求永续能源的道路上，光伏技术取得了长足的进步。然而，传统方法往往跟不上发展的步伐，迫切需要自动化、高通量技术来满足日益增长的能源需求。最近，由澳洲联邦科学与工业研究组织 (CSIRO) 的 Doojin Vak 领导的研究团队，在 Cell Reports Physical Science 期刊上发表了一篇令人振奋的研究成果，他们开发了一款名为「MicroFactory」的自驾驶数字孪生系统，彻底改变了卷对卷 (R2R) 印刷光伏的生产方式，并在转换效率 (PCE) 上取得了突破性进展。
论文的关键发现
MicroFactory：颠覆传统，实现高通量閉循环优化
MicroFactory 是一个创新的高通量实验室系统，它整合了印刷灵感的自动化和机器学习 (ML) 模型，能够快速优化光伏器件的性能和可扩展性。该平台由三个核心模块组成：一个 R2R 制造模块、一个 R2R 表征模块和一个用于存储数据的云端数据库。
MicroFactory 的工作原理可以概括为以下几个步骤：
材料制备与涂布： MicroFactory 使用先进的涂布技术，例如槽式涂布，将不同的材料以精确的比例涂布在基底材料上。这些材料包括光伏器件中的活性层、电极层、界面层等。
自动化制造： MicroFactory 整合了多种自动化设备，例如精密传送带、加热板、真空系统等，可以自动完成多个制程步骤，例如涂布、退火、干燥等。
数据收集与分析： 在制造过程中，MicroFactory 搭载了多种传感器，可以收集各种数据，例如材料涂布厚度、退火温度、环境湿度等。这些数据会被自动记录到云端数据库中。
机器学习模型： 基于收集到的数据，MicroFactory 运用机器学习模型，分析影响光伏器件性能的关键参数，并预测最佳的制造参数组合。
閉循环优化： MicroFactory 利用 ML 模型的分析结果，自动调整制造参数，例如调整材料比例、涂布速度、退火温度等，以进一步提高器件性能。
性能表征： MicroFactory 配备了高精度的光伏器件表征系统，可以快速准确地测量器件的 PCE、短路电流密度 (Jsc)、开路电压 (Voc)、填充因子 (FF) 等参数。
MicroFactory 平台采用了多项关键技术，使其能够实现高通量、閉循环优化的目标：
高精度涂布技术： MicroFactory 使用槽式涂布技术，可以将不同材料以精确的比例涂布在基底材料上，确保器件结构的均匀性和一致性。
自动化控制系统： MicroFactory 整合了精密传送带、加热板、真空系统等多种自动化设备，实现了自动化控制，并有效降低了人工操作的误差。
数据收集与分析： MicroFactory 搭载了多种传感器，可以收集各种数据，例如材料涂布厚度、退火温度、环境湿度等。这些数据会被自动记录到云端数据库中，并通过机器学习模型进行分析。
机器学习模型： MicroFactory 使用机器学习模型，分析影响光伏器件性能的关键参数，例如材料比例、涂布速度、退火温度等，并预测最佳的制造参数组合。
閉循环优化策略： MicroFactory 利用 ML 模型的分析结果，自动调整制造参数，实现閉循环优化，不断提升器件性能。
Figure 3. Results of the R2R characterization measurements
(A) All 11,800 R2R-fabricated devices including their corresponding fill factor, short-circuit current density (Jsc), and open-circuit voltage (Voc).
(B) Kernel distribution estimation plot, which depicts the probability density function of all the produced devices.
(C) J-V curves of the top 10 devices produced.
(D and E) Ratios of PBF-QxF:Y6 across the entire sampled space and their responses to PCE.
(F) Pearson’s correlation coefficient of fabrication parameters with an impact on PCE.
研究成果的影响
MicroFactory 的突破性成果
研究团队利用 MicroFactory 在 24 小时内自动制造和表征了 11,800 个有机光伏器件，并收集了大量的数据。这些数据被用于训练 ML 模型，以预测和优化器件制造参数，例如材料比例、涂布速度、退火温度等。
在第一阶段实验中，MicroFactory 达到了 8.59% 的 PCE。 然而，研究团队并未止步。他们利用 ML 模型的洞察力，针对关键的制造参数进行了调整，例如调整供体–受体 (D:A) 比例，并在器件结构中引入了新的接口层，最终在第二阶段的实验中，成功地将 PCE 推升至 9.35%，比单次迭代的最佳结果提高了 1%。
Fig. S1. Photo of R2R (a) fabrication and (b) characterization rig.
MicroFactory 的优势：
自动化和高通量： MicroFactory 能够在短时间内制造大量器件，并进行测试和分析，有效缩短研发周期。
閉循环优化： 平台整合了机器学习模型，可以根据数据分析结果，自动调整制造参数，实现閉循环优化。
数据驱动： 通过收集大量的数据，可以建立更精确的模型，为科学研究提供更可靠的数据支持。
可扩展性： MicroFactory 的设计可以轻松扩展，满足未来更大型的生产需求。
未来展望
MicroFactory 的应用前景：
MicroFactory 的成功，证明了自动化和数据驱动的优化策略在器件制造中的重要性。该平台可以应用于各种光伏器件的研发，例如有机光伏、钙钛矿太阳能电池等。同时，MicroFactory 也为其他领域的材料研究和开发提供了新的思路。
Doojin Vak 及其团队在印刷光伏领域取得的突破，为可持续能源发展带来了新的希望。未来，他们将继续优化 MicroFactory 平台，并探索更多智能化制造技术，以推动光伏技术的进步，为人类创造更美好的未来。
参考文献
Cell Reports Physical Science, Published: June 10, 2024
