Ein Forschungsteam der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), des Helmholtz-Institut Erlangen-Nürnberg (HI ERN) und des Karlsruher Institut für Technologie (KIT) hat einen geschlossenen Arbeitsablauf entwickelt, mit dem sich in kurzer Zeit optimale Hochleistungsmaterialien für Perowskit-Solarzellen (PSC) finden lassen. Der in der aktuellen Science-Studie (www.science.org/doi/10.1126/science.ads0901) vorgestellte Ansatz kombiniert nach Mitteilung der FAU computergestützte Modellierung, autonome Syntheseplattformen und quantentheoretische Berechnungen zur Charakterisierung von Molekülen, um Vorhersagen für geeignete Materialverbindungen zu treffen und letztere automatisiert zu testen.
Die Köpfe hinter der Forschung (v. l. n. r.): M. Eugenia Perez-Ojeda, Anastasia Barabash, Dirk M. Guldi und Erstautor Jiangchang Wu (Bild: Gerd Gaetzschmann)
Prof. Christoph Brabec, Sprecher des Profilzentrums FAU Solar und Inhaber des Lehrstuhls für Werkstoffwissenschaften, sowie ein 22-köpfiges Forschungsteam, unter anderem aus den Disziplinen Chemie, Materialwissenschaften, Informatik und Elektrotechnik, befassten sich mehr als ein Jahr lang mit der Frage, welche Vorgehensweise die beste ist, um neue Materialien für Photovoltaikbauteile zu finden, die bereits optimale Eigenschaften für diese Anwendung haben. Wie Prof. Brabec erläutert, waren bisher zwei Wege üblich, um geeignete Molekülverbindungen für photovoltaische Bauteile zu finden – entweder mit rein digitalen Methoden die gewünschten Bauelemente virtuell synthetisieren, um optimale Eigenschaften zu finden; oder experimentell vorzugehen und mit den Ergebnissen Datenbibliotheken zu füllen. Der Nachteil: Beide Methoden beruhen auf Versuch und Irrtum. Sie sind personal- und arbeitsintensiv und daher ineffizient. Denn die menschliche Fähigkeit, Muster in riesigen, komplexen Datensätzen zu erkennen, ist begrenzt.
Hybrider Ansatz
Die Forschenden entschieden sich für einen hybriden Ansatz: Sie verwenden Modelle des maschinellen Lernens (ML) und trainieren diese mit experimentellen Daten und Daten aus Computersimulationen, um Molekülstrukturen und -eigenschaften für eine optimale Bauelementleistung vorhersagen zu können. Dafür reichten bereits rund 100 Moleküle aus. Als nächstes folgte eine Reihe von Optimierungen. In der ersten Runde schlug der Algorithmus 24 Moleküle vor. Diese hat das Team anschließend synthetisiert und getestet. Dabei stellte sich heraus, dass sie bereits besser sind als die derzeitigen Referenzen. In einer zweiten Optimierungsrunde wurde dies nochmals verifiziert. Die leistungsfähigsten Materialkandidaten erreichten einen Wirkungsgrad von bis zu 24 % und übertrafen damit den bisherigen Referenzwert von 22 %.
Automatisierte Probenmessung
Dabei spielt das Hochdurchsatz-Screening (HTS) eine zentrale Rolle. Es handelt sich um automatisierte Laborsysteme, die eine große Anzahl von Proben parallel vorbereiten, dosieren und messen. Dieses Verfahren ist nicht nur präziser, es reduziert auch den Zeitaufwand im Forschungsprozess und minimiert menschliche Fehler. In Zukunft ist es möglich, Materialbibliotheken mit Millionen von Molekülen in kurzer Zeit zu durchsuchen und Kandidaten zu entdecken, die optimal für die gewünschte Funktion der Bauteil sind. Mit dem neuen Ansatz können wir nicht nur systematisch suchen, sondern auch den Suchraum eingrenzen, erläutert Prof. Dirk Guldi, Inhaber des Lehrstuhls für Physikalische Chemie und ebenfalls Sprecher des Profilzentrums FAU Solar. Außerdem ließen sich die neu entdeckten chemischen Verbindungen auf die gewünschten Materialeigenschaften hin optimieren und testen,
Tiefere Einblicke
Ein weiterer Effekt: Die Forschenden können tiefer in die Materialwissenschaften eintauchen. Bislang konnten Chemiker anhand der Struktur eines einzelnen Moleküls auf dessen Eigenschaften schließen. Ist es aber Bestandteil eines Bauelements, wird es schwierig, da die Vorhersage für die Leistung einer Solarzelle von vielen Parametern abhängt. Der Ansatz ermöglicht laut Prof. Brabec neue Einblicke in Struktureigenschaftsbeziehungen: die zwischen einem Molekül und der tatsächlichen Leistung in einem Bauelement. Es liege also jetzt einen Algorithmus vor, der die Frage beantworte, welche Eingangsparameter für die Leistung der Solarzelle relevant sind. Die Forschenden gehen davon aus, dass sich diese Technologie über die Solarenergie hinaus zu einem Innovationsmotor für weitere Branchen entwickeln wird, die per Hochdurchsatzverfahren neue Materialien entwickeln möchten.
Kontakte
Prof. Dr. Dirk Guldi, Lehrstuhl für Physikalische Chemie I, E-Mail: dirk.guldi@fau.de
Prof. Dr. Christoph Brabec, Lehrstuhl für Werkstoffwissenschaften, E-Mail: christoph.brabec@fau.de
- www.fau.de