La máquina de descubrimiento de células solares

Con la ayuda de cristales conocidos como perovskitas, las células solares están batiendo cada vez más récords en cuanto a su capacidad para convertir la luz solar en electricidad. Ahora, un nuevo sistema automatizado podría hacer que esos registros caigan aún más rápido. RoboMapper de la Universidad Estatal de Carolina del Norte puede analizar qué tan bien podrían funcionar las perovskitas en células solares, utilizando aproximadamente entre una décima y una quincuagésima parte del tiempo, el costo y la energía del trabajo manual o de las plataformas robóticas anteriores, dicen sus inventores.

Las células solares más comunes utilizan silicio para convertir la luz en electricidad. Estos dispositivos se están acercando rápidamente a su límite teórico de eficiencia de conversión del 29,4 por ciento; Las modernas células solares comerciales de silicio alcanzan ahora eficiencias de más del 24 por ciento, y la mejor célula de laboratorio tiene una eficiencia del 26,8 por ciento.

Una estrategia para aumentar la eficiencia de una célula solar es apilar dos materiales diferentes que absorban la luz en un solo dispositivo. Este método en tándem aumenta el espectro de luz solar que puede captar la célula solar. Un enfoque común con las celdas en tándem es utilizar una celda superior hecha de perovskitas para absorber luz visible de mayor energía y una celda inferior hecha de silicio para rayos infrarrojos de menor energía. El año pasado, los científicos dieron a conocer las primeras células solares en tándem de perovskita y silicio que superaron el umbral de eficiencia del 30 por ciento, y el mes pasado otro grupo informó el mismo hito.

La investigación de materiales convencionales hace que los científicos preparen una muestra en un chip y luego sigan varios pasos para examinarla utilizando diferentes instrumentos. Los esfuerzos de automatización existentes “tienden a emular los flujos de trabajo humanos: tendemos a procesar los materiales un parámetro a la vez”, dice Aram Amassian, científico de materiales de la Universidad Estatal de Carolina del Norte, en Raleigh.

La mayor reducción del impacto ambiental de RoboMapper se debió a la mejora de la eficiencia energética durante las pruebas.

Sin embargo, los análisis genéticos y farmacéuticos modernos a menudo logran un alto rendimiento al colocar docenas de muestras en cada placa y examinarlas todas a la vez. RoboMapper también sigue esta estrategia, utilizando técnicas de impresión para miniaturizar las muestras de material.

"Nos hemos beneficiado mucho de la interoperabilidad del hardware con la biología y la química, como en el manejo de líquidos", afirma Amassian. Sin embargo, para RoboMapper, Amassian y su equipo tuvieron que desarrollar nuevos protocolos para manipular materiales de perovskita y experimentos de caracterización diferentes a los que se encontrarían en la automatización química. “Un desarrollo particular que tuvimos que hacer es asegurarnos de que los instrumentos de caracterización puedan manejar la alta densidad de materiales en un chip con automatización. Esto requirió un poco de ingeniería tanto en el lado del hardware como del software”.

Una clave para ahorrar tiempo, energía, material y dinero fue reducir el tamaño de la muestra en un factor de 1000. "El tamaño de impresión es del orden de 50 a 150 [micrómetros], mientras que la mayoría de las otras herramientas crean muestras del orden de centímetros", dice Amassian. "Normalmente, imprimimos volúmenes de picolitros a nanolitros, mientras que otras plataformas imprimen o recubren microlitros".

En las primeras pruebas de RoboMapper, los científicos analizaron 150 composiciones diferentes de perovskita. En total, RoboMapper costó un 12 por ciento, fue nueve veces más rápido y 18 veces más eficiente energéticamente que otras plataformas robóticas. Y era un 2 por ciento más barato, 14 veces más rápido y 26 veces más eficiente energéticamente que el trabajo manual.

"Nos propusimos construir un robot que pueda generar grandes bibliotecas de materiales para que podamos construir conjuntos de datos para entrenar modelos de IA en el futuro", dice Amassian. Una IA de este tipo podría predecir qué estructuras de perovskita funcionarán mejor.

Universidad Estatal de Carolina del Norte

Los investigadores se centraron en la estabilidad de las perovskitas, lo que supone un gran desafío cuando se trata de células en tándem. Las perovskitas tienden a degradarse cuando se exponen a la luz, perdiendo las propiedades que las hicieron deseables en primer lugar, explica Amassian.

Los científicos analizaron la estructura de la perovskita, las propiedades electrónicas y la estabilidad en respuesta a la luz intensa mediante microscopía óptica, mapeo de espectroscopía de microfotoluminiscencia y mapeo de dispersión de rayos X de gran ángulo basado en sincrotrón. Estos datos experimentales se utilizaron luego para desarrollar modelos computacionales que identificaron una composición específica que los investigadores predijeron que tendría la mejor combinación de atributos.

"Estos modelos ahora están disponibles para que otros los utilicen", dice Amassian. Señala que ahora están en conversaciones con importantes grupos de investigación de células solares en tándem.

Inesperadamente, los científicos descubrieron que la mayor reducción del impacto ambiental de RoboMapper se debió a la mejora de la eficiencia energética durante las pruebas.

"Ni nosotros ni otros nos dimos cuenta de esto, porque la electricidad utilizada por los instrumentos en el laboratorio no se ve, mientras que los materiales y suministros son tangibles", dice Amassian. “RoboMapper fue diseñado en parte para abordar este insidioso problema colocando docenas de materiales en las mismas herramientas de medición y reduciendo significativamente la cantidad de tiempo que necesita estar encendido para recopilar datos. Demostramos que se puede lograr una reducción diez veces mayor de la huella de carbono y otros impactos ambientales negativos”.

En el futuro, "seguiremos buscando perovskitas más nuevas y mejores", afirma Amassian. “También estamos buscando activamente materiales orgánicos de células solares para encontrar composiciones que sean estables para aplicaciones de energía solar. La capacidad de probar docenas de composiciones bajo luz solar intensa simulada ayuda a ahorrar muchísimo tiempo y energía”.

Los científicos detallaron sus hallazgos en línea el 25 de julio en la revista Matter.