पेरोव्स्काइट सौर कोशिकाओं का प्रयोग सफल

• इंसानी आंखों से बेहतर जांच कर पाया है

• यह 33 प्रतिशत अधिक कार्यकुशल है

• लागत कम होगी तो व्यापारिक उत्पादन संभव

राष्ट्रीय खबर

रांचीः दुनिया में गर्मी और प्रदूषण बढ़ने के दौर में अब लोग सौर ऊर्जा की तरफ तेजी से आकर्षित हो रहे हैं। यह एक बेहतर और प्रदूषणमुक्त विकल्प भी है। इसकी कार्यकुशलता में पहले के मुकाबले काफी विकास हुआ है लेकिन इसे और कार्यकुशल बनाने के लिए भी अब कृत्रिम बुद्धिमत्ता की मदद ली गयी है।

यह पता है कि पेरोव्स्काइट अर्धचालकों पर आधारित टेंडेम सौर सेल पारंपरिक सिलिकॉन सौर सेल की तुलना में सूर्य के प्रकाश को अधिक कुशलता से बिजली में परिवर्तित करते हैं। इस तकनीक को बाज़ार के लिए तैयार करने के लिए स्थिरता और विनिर्माण प्रक्रियाओं के संबंध में और सुधार की आवश्यकता है।

कार्ल्स्रुहे इंस्टीट्यूट ऑफ टेक्नोलॉजी (केआईटी) और दो हेल्महोल्ट्ज़ प्लेटफार्मों – जर्मन कैंसर रिसर्च सेंटर (डीकेएफजेड) में हेल्महोल्ट्ज़ इमेजिंग और हेल्महोल्ट्ज़ एआई – के शोधकर्ता पेरोव्स्काइट परतों की गुणवत्ता की भविष्यवाणी करने का एक तरीका खोजने में सफल रहे हैं और परिणामस्वरूप परिणामी सौर सेल: मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस (एआई) में नए तरीकों की सहायता से, विनिर्माण प्रक्रिया में पहले से ही प्रकाश उत्सर्जन में बदलाव से उनकी गुणवत्ता का आकलन करना संभव है।

पेरोव्स्काइट टेंडेम सौर सेल एक पेरोव्स्काइट सौर सेल को पारंपरिक सौर सेल के साथ जोड़ते हैं। इन कोशिकाओं को अगली पीढ़ी की तकनीक माना जाता है: वे वर्तमान में 33 प्रतिशत से अधिक की दक्षता का दावा करते हैं, जो पारंपरिक सिलिकॉन सौर कोशिकाओं की तुलना में बहुत अधिक है। इसके अलावा, वे सस्ते कच्चे माल का उपयोग करते हैं और आसानी से निर्मित होते हैं। दक्षता के इस स्तर को प्राप्त करने के लिए, एक अत्यंत पतली उच्च श्रेणी की पेरोव्स्काइट परत का उत्पादन करना होगा, जिसकी मोटाई मानव बाल की मोटाई का केवल एक अंश है।

इंस्टीट्यूट ऑफ माइक्रोस्ट्रक्चर टेक्नोलॉजी में शोध करने वाले टेन्योर-ट्रैक प्रोफेसर उलरिच डब्ल्यू. पेट्ज़ोल्ड कहते हैं, कम लागत और स्केलेबल तरीकों का उपयोग करके बिना किसी कमी या छेद के इन उच्च-ग्रेड, बहु-क्रिस्टलीय पतली परतों का निर्माण करना सबसे बड़ी चुनौतियों में से एक है। यह कमी अंततः इन अत्यधिक कुशल सौर कोशिकाओं के औद्योगिक पैमाने पर उत्पादन की त्वरित शुरुआत को रोकती है, जिनकी ऊर्जा बदलाव के लिए बहुत आवश्यकता होती है।

शोधकर्ताओं ने एआई विधियां विकसित कीं जो विशाल डेटासेट का उपयोग करके तंत्रिका नेटवर्क को प्रशिक्षित और विश्लेषण करती हैं। इस डेटासेट में वीडियो रिकॉर्डिंग शामिल हैं जो विनिर्माण प्रक्रिया के दौरान पतली पेरोव्स्काइट परतों की फोटोल्यूमिनेशन दिखाती हैं। फोटोल्यूमिनेसेंस अर्धचालक परतों के उज्ज्वल उत्सर्जन को संदर्भित करता है जो बाहरी प्रकाश स्रोत द्वारा उत्तेजित किया गया है। चूंकि विशेषज्ञ भी पतली परतों पर कुछ खास नहीं देख सके, इसलिए वीडियो पर लाखों डेटा आइटम से अच्छे या खराब कोटिंग के छिपे संकेतों का पता लगाने के लिए मशीन लर्निंग (डीप लर्निंग) के लिए एआई सिस्टम को प्रशिक्षित करने का विचार पैदा हुआ। शोधकर्ताओं ने बाद में व्याख्या करने योग्य आर्टिफिशियल इंटेलिजेंस के तरीकों पर भरोसा किया।

शोधकर्ताओं ने प्रयोगात्मक रूप से पाया कि उत्पादन के दौरान फोटोल्यूमिनेसेंस भिन्न होता है और इस घटना का कोटिंग की गुणवत्ता पर प्रभाव पड़ता है। तंत्रिका नेटवर्क को तदनुसार प्रशिक्षित करने के बाद, एआई यह अनुमान लगाने में सक्षम था कि क्या प्रत्येक सौर सेल निम्न या उच्च स्तर की दक्षता प्राप्त करेगा,

जिसके आधार पर विनिर्माण प्रक्रिया में किस बिंदु पर प्रकाश उत्सर्जन में भिन्नता हुई। एआई के संयुक्त उपयोग के लिए धन्यवाद, हमारे पास एक ठोस सुराग है और हम जानते हैं कि उत्पादन में सुधार के लिए सबसे पहले किन मापदंडों को बदलने की जरूरत है। अब हम अपने प्रयोगों को अधिक लक्षित तरीके से करने में सक्षम हैं और अब देखने के लिए मजबूर नहीं हैं भूसे के ढेर में सुई के लिए आंखों पर पट्टी बांध दी गई। यह अनुवर्ती अनुसंधान के लिए एक खाका है जो ऊर्जा अनुसंधान और सामग्री विज्ञान के कई अन्य पहलुओं पर भी लागू होता है।