La machine de découverte de cellules solaires

Grâce à des cristaux appelés pérovskites, les cellules solaires battent de plus en plus de records dans leur capacité à convertir la lumière du soleil en électricité. Désormais, un nouveau système automatisé pourrait faire chuter ces records encore plus rapidement. Le RoboMapper de l'Université d'État de Caroline du Nord peut analyser les performances des pérovskites dans les cellules solaires, en utilisant environ un dixième à un cinquantième du temps, du coût et de l'énergie du travail manuel ou des plates-formes robotiques précédentes, affirment ses inventeurs.

Les cellules solaires les plus courantes utilisent du silicium pour convertir la lumière en électricité. Ces appareils approchent rapidement de leur limite théorique d’efficacité de conversion de 29,4 % ; Les cellules solaires commerciales modernes au silicium atteignent désormais un rendement de plus de 24 pour cent, et la meilleure cellule de laboratoire a un rendement de 26,8 pour cent.

Une stratégie pour augmenter l’efficacité d’une cellule solaire consiste à empiler deux matériaux différents absorbant la lumière dans un seul appareil. Cette méthode tandem augmente le spectre de lumière solaire que la cellule solaire peut capter. Une approche courante avec les cellules tandem consiste à utiliser une cellule supérieure en pérovskites pour absorber la lumière visible de plus haute énergie et une cellule inférieure en silicium pour les rayons infrarouges de plus faible énergie. L'année dernière, des scientifiques ont dévoilé les premières cellules solaires tandem pérovskite-silicium à dépasser le seuil d'efficacité de 30 pour cent, et le mois dernier, un autre groupe a signalé la même étape.

La recherche sur les matériaux conventionnels oblige les scientifiques à préparer un échantillon sur une puce, puis à suivre plusieurs étapes pour l'examiner à l'aide de différents instruments. Les efforts d'automatisation existants « tendent à imiter les flux de travail humains : nous avons tendance à traiter les matériaux un paramètre à la fois », explique Aram Amassian, scientifique en matériaux à l'Université d'État de Caroline du Nord, à Raleigh.

La plus grande réduction de l'impact environnemental du RoboMapper est venue de l'amélioration de l'efficacité énergétique lors des tests.

Cependant, les analyses génétiques et pharmaceutiques modernes atteignent souvent un débit élevé en plaçant des dizaines d’échantillons sur chaque plaque et en les examinant tous en même temps. RoboMapper suit également cette stratégie, en utilisant des techniques d'impression pour miniaturiser les échantillons de matériaux.

« Nous avons beaucoup bénéficié de l'interopérabilité matérielle avec la biologie et la chimie, notamment dans le domaine de la manipulation des liquides », explique Amassian. Cependant, pour RoboMapper, Amassian et son équipe ont dû développer de nouveaux protocoles de manipulation des matériaux pérovskites et des expériences de caractérisation différentes de celles que l'on trouve dans l'automatisation de la chimie. « Un développement particulier que nous avons dû réaliser est de nous assurer que les instruments de caractérisation peuvent gérer la haute densité de matériaux sur une puce avec automatisation. Cela a nécessité un peu d’ingénierie, tant du côté matériel que logiciel.

L’une des clés pour économiser du temps, de l’énergie, du matériel et de l’argent était de réduire la taille de l’échantillon d’un facteur 1 000. "La taille d'impression est de l'ordre de 50 à 150 [micromètres], alors que la plupart des autres outils créent des échantillons de l'ordre des centimètres", explique Amassian. "En règle générale, nous imprimons des volumes de picolitres à nanolitres tandis que d'autres plates-formes impriment ou enduisent des microlitres."

Lors des premiers tests du RoboMapper, les scientifiques ont analysé 150 compositions différentes de pérovskites. Au total, RoboMapper représentait 12 % du coût, neuf fois plus rapide et 18 fois plus économe en énergie que les autres plates-formes robotiques. Et cela représentait 2 % du coût, 14 fois plus rapide et 26 fois plus économe en énergie que le travail manuel.

«Nous avons décidé de construire un robot capable de générer de grandes bibliothèques de matériaux afin de pouvoir créer des ensembles de données pour former des modèles d'IA à l'avenir», explique Amassian. Une telle IA pourrait alors prédire quelles structures pérovskites seront les plus performantes.

Université d'État de Caroline du Nord

Les chercheurs se sont concentrés sur la stabilité des pérovskites, qui constitue un défi majeur lorsqu'il s'agit de cellules tandem. Les pérovskites ont tendance à se dégrader lorsqu’elles sont exposées à la lumière, perdant les propriétés qui les rendaient souhaitables au départ, explique Amassian.

Les scientifiques ont analysé la structure, les propriétés électroniques et la stabilité de la pérovskite en réponse à une lumière intense à l'aide de la microscopie optique, de la cartographie par spectroscopie de microphotoluminescence et de la cartographie de diffusion des rayons X grand angle basée sur le synchrotron. Ces données expérimentales ont ensuite été utilisées pour développer des modèles informatiques identifiant une composition spécifique qui, selon les chercheurs, aurait la meilleure combinaison d'attributs.