太陽能是未來重要的能源之一，但制造更高效的太陽能電池需要尋找新的、更好的材料。最近，大阪大學的研究人員在《JACS Au》上發(fā)表的一項研究中，提出了一種解決方案，能夠自動化關鍵實驗和分析過程，從而大大加快太陽能材料的研究速度。

傳統(tǒng)太陽能電池使用硅和鎵等無機半導體制成，但下一代太陽能電池需要在成本、重量和安全性方面取得突破。此外，現(xiàn)有的太陽能電池往往含有有毒的鉛，因此需要尋找毒性更低的替代材料。然而，目前研究新材料的過程都是手工完成的，昂貴且耗時。

為了解決這一問題，研究人員開發(fā)了一種獨特的機器人測量系統(tǒng)，能夠執(zhí)行光吸收光譜、光學顯微鏡和時間分辨微波電導率分析。這個系統(tǒng)的關鍵特點是它可以實現(xiàn)自動化，可以高效地執(zhí)行多種實驗和分析過程，研究人員在這個自動化系統(tǒng)的幫助下，評估了共計576種不同的薄膜半導體樣品。

主要作者Chisato Nishikawa指出：“當前的太陽能電池主要由硅和鎵等無機半導體構成，但下一代太陽能電池需要在成本、重量和毒性方面有所突破。雖然鈣鈦礦太陽能電池的效率足以與硅太陽能電池相媲美，但它們含有有毒的鉛?！?/p>

這項研究中，研究人員研究了由四種元素 Cs、Bi、Sb 和 I 組成的溶液處理無鉛太陽能電池，這些材料具有廣泛的成分和工藝參數(shù)范圍。為了深入了解這些材料的性質(zhì)，并使實驗全過程自動化，研究人員使用了AI相關技術，特別是機器學習技術，用作分析實驗產(chǎn)生的數(shù)據(jù)。

資深作者 Akinori Saeki 表示：“近年來，機器學習對于更好地理解材料的特性非常有幫助。這些研究需要大量的實驗數(shù)據(jù)，將自動化實驗與機器學習技術相結(jié)合是一個理想的解決方案?！?/p>

研究人員希望未來能實現(xiàn)更多實驗過程的自動化，從而更容易探索全新的材料，正如 Chisato Nishikawa 指出的那樣：“這種方法非常適合探索沒有現(xiàn)有數(shù)據(jù)的領域?！?/p>

到目前為止，研究團隊的機器人系統(tǒng)已經(jīng)取得了他們預期中的的成果，測量過程完全自動化且高度準確，可以在通常所需時間的六分之一內(nèi)完成工作。這個自動化系統(tǒng)使尋找高效無毒太陽能材料的任務變得更加容易，為太陽能的未來提供了更多希望，機器人和人工智能的協(xié)同作用可能讓太陽能離我們更近一步。