Automatisierte Materialentwicklung für Solarzellen

Das Forschungsteam der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), des Helmholtz-Institut Erlangen-Nürnberg (HI ERN) und des Karlsruher Institut für Technologie (KIT) hat unter der Leitung von Prof. Dr. Dirk M. Guldi und Prof. Dr. Christoph Brabec einen geschlossenen Arbeitsablauf entwickelt, mit dem sich in kurzer Zeit optimale Hochleistungsmaterialien für Perowskit-Solarzellen (PSC) finden lassen. Der in der aktuellen Science-Studie vorgestellte Ansatz kombiniert computergestützte Modellierung, autonome Syntheseplattformen und quantentheoretische Berechnungen zur Charakterisierung von Molekülen, um Vorhersagen für geeignete Materialverbindungen zu treffen und letztere automatisiert zu testen.*

Bislang beruht das Design von Molekülverbindungen, die sich für Halbleiterbauelemente eignen, auf Versuch und Irrtum. Diese Methode hat einige Nachteile: Sie ist personal-, arbeitsintensiv und ineffizient. Denn die menschliche Fähigkeit, Muster in riesigen, komplexen Datensätzen zu erkennen, ist begrenzt.

Im Gegensatz dazu verwendet das Forschungsteam Modelle des maschinellen Lernens (ML) und trainierte sie mit experimentellen und Daten aus Computer-Simulationen, 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 Prozent und übertrafen damit den bisherigen Referenzwert von 22 Prozent.

Automatisierte Probenmessung

„Mit dem neuen Ansatz können wir nicht nur systematisch suchen, sondern auch den Suchraum eingrenzen. Außerdem lassen sich die neu entdeckten chemischen Verbindungen auf die gewünschten Materialeigenschaften hin optimieren und testen“, erläutert Prof. Dirk Guldi, Inhaber des Lehrstuhls für Physikalische Chemie.

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 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 Bauteile sind.

„Wir 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“, erklärt Prof. Christoph Brabec, Inhaber des Lehrstuhls für Werkstoffwissenschaften.

*doi: 10.1126/science.ads0901

Weitere Informationen:

Prof. Dr. Dirk M. Guldi
Lehrstuhl für Physikalische Chemie I
Tel. +49-9131-85-27340
dirk.guldi@fau.de

Prof. Dr. Christoph Brabec
Lehrstuhl für Werkstoffwissenschaften
Tel. +49-9131-85-25426
christoph.brabec@fau.de