Snel vooruit

Het Photovoltaics Lab van Tonio Buonassisi versnelt de ontwikkeling van nieuwe zonnecelmaterialen met behulp van machine learning, robots en ouderwets teamwork.

Door

• Cara Giaimo, SM '15 archiefpagina

27 april 2021

Deze robotchemicus waarmee professor Tonio Buonassisi in Singapore samenwerkt, gebruikt machinaal leren om chemicaliën in monsters te mengen. Zakaria Zainal

Als we het gebruik van fossiele brandstoffen voldoende willen terugdringen om te voorkomen dat de wereld catastrofaal opwarmt, moeten we veel meer kracht uit de zon wringen. Een aantal deskundigengroepen, waaronder het Intergouvernementeel Panel inzake klimaatverandering, is tot de conclusie gekomen dat we tegen 2030 ongeveer een derde van de elektriciteit in de wereld uit zonne-energie moeten halen.

Op dit moment, met nog minder dan tien jaar te gaan, zitten we op ongeveer een tiende daarvan, zegt Tonio Buonassisi , hoogleraar werktuigbouwkunde en hoofd van de Fotovoltaïsche Lab . Om het doel te bereiken, moeten we de implementatie van zonne-energie .

De high-throughput pipetteereenheid van Buonassisi's robotchemicus combineert rode, blauwe en gele voedselkleurstoffen om specifieke kleuren te creëren.

ZAKARIA ZAINAL

Met dat in gedachten is het PV-lab de afgelopen jaren voortdurend opnieuw geconfigureerd, aangezien Buonassisi en zijn collega's alles inbrengen wat ze maar kunnen bedenken dat de zoektocht naar nieuwe zonnematerialen zou kunnen bespoedigen. Ze hebben alles geprobeerd, van stopwatches en persoonlijkheidstesten tot algoritmen voor het leren van machines en pipetteerrobots.

Het resultaat is een laboratoriumtempo dat orden van grootte sneller is. Ze hebben processen die eens zes maanden of een jaar duurden teruggebracht tot twee weken; analyse van röntgendiffractiespectra die ooit twee tot drie uur nodig hadden, kan nu in 5,5 minuten worden gedaan. Op dit moment draait het allemaal om snelheid, zegt Buonassisi.

Voorbij silicium

Het PV Lab begon in 2012 met machine learning-algoritmen te werken. We zagen ze niet als deze geheel nieuwe manier van wetenschap, zegt Buonassisi. We zagen ze gewoon als een productiviteitstool. Maar tegen 2017 realiseerde hij zich dat de belangrijkste vraag waar het lab omheen cirkelde, te complex was om met traditionele middelen te beantwoorden. Ik moest de manier waarop ik onderzoek deed veranderen om het aan te pakken, zegt hij.

Die vraag was hoe we levensvatbare alternatieven voor silicium konden vinden voor gebruik bij het opvangen van zonne-energie. Op dit moment 95% van 's werelds zonnecellen vertrouwen op silicium halfgeleiders . Dit element is overvloedig aanwezig - te vinden in bijna al het vuil en zand - en zonnecellen die ermee zijn gemaakt, zijn relatief efficiënt en sterk. Je gemiddelde siliciumzonnepaneel kan ongeveer 20% van de energie omzetten van het zonlicht dat erop valt, en het kan tientallen jaren dag in dag uit werken zonder kapot te gaan.

Als je vastzit in een modus met een lage doorvoer, heb je de neiging om op veilig te spelen. Als je weet dat je meer kansen hebt, kun je ambitieuzer zijn.

Maar silicium omzetten in de dunne, pure wafels die nodig zijn voor deze cellen is duur, relatief moeilijk en energie-intensief. Het vereist ook vaak zeldzamere materialen, zoals zilver. Experts, waaronder Buonassisi, werken aan het verbeteren van deze processen. Maar als we van zonne-energie een belangrijk onderdeel van het elektriciteitsnet willen maken, zal het binnenhalen van wat gemakkelijker te vervaardigen materialen de mogelijkheden vergroten - en, zegt Buonassisi, het zou de concurrentie kunnen versnellen, innovatie omhoog en prijzen over de hele linie kunnen doen dalen.

Een veelbelovende klasse van materialen zijn perovskieten, natuurlijke en in het laboratorium gemaakte verbindingen met een kristallijne structuur waardoor ze goede halfgeleiders zijn. Perovskieten zijn eenvoudiger en sneller te vervaardigen dan siliciumwafels. Omdat het eerder verbindingen zijn dan elementen, kunnen er nog een groot aantal zijn die nog moeten worden gemaakt, zegt PV Lab-lid Jim Serdy. Verschillende perovskieten kunnen ook in een enkele zonnecel worden gestapeld, om verschillende golflengten van licht te absorberen en meer energie uit elke zonnestraal te persen.

Als perovskieten erin slagen zich een weg te banen naar de markt voor zonne-energie, kan dat het kritieke pad zijn om op duurzame wijze aan de energiebehoeften van de wereld te voldoen, zegt Serdy. Maar of het mogelijk is, hangt sterk af van hoe snel we deze nieuwe verbindingen en hun eigenschappen kunnen ontdekken.

Onbekend terrein

Het enorme aantal perovskieten is opwindend - er kunnen er duizenden zijn die goed passen bij verschillende toepassingen. Maar dat maakt het ook een ontmoedigende taak om te zoeken naar het perfecte materiaal - een materiaal dat een gewenste taak volbrengt met de juiste combinatie van stabiliteit, efficiëntie en kosteneffectiviteit, en dat ook gemakkelijk en op schaal kan worden vervaardigd.

In het verleden begonnen wetenschappers die een nieuw materiaal probeerden te ontdekken of uit te vinden, met een aantal weloverwogen gissingen. Ze maakten een paar materialen in het laboratorium, testten ze en gebruikten wat ze hadden geleerd om het opnieuw te proberen. Het vinden van slechts één goede optie kan een jaar of langer duren. Statistisch gezien is het net als de apen achter een typemachine: ze bonzen net zo lang tot ze iets nuttigs schrijven, zegt Buonassisi.

De onderzoekers van het PV Lab volgen nog steeds deze basisprocedure. (De wetenschappelijke methode raakt niet uit de mode, zegt hij.) Ze hebben het gewoon een turbocharged gegeven. Algoritmen die zijn getraind op theoretische kennis en eerdere resultaten helpen hen slimmere gissingen te maken. En dankzij experimenten met hoge doorvoer en geautomatiseerde analyse kunnen ze die gissingen sneller testen en veel parallelle tests uitvoeren. Met al deze vooruitgang zijn we in staat om het hele proces te versnellen, zegt onderzoeker Shijing Sun, teamleider van het Accelerated Materials Development Program van het lab.

Onderzoek met hoge efficiëntie versnelt niet alleen het tempo van ontdekkingen, het maakt mensen ook moediger, zegt Buonassisi. Als je vastzit in een modus met een lage doorvoer, heb je de neiging om op veilig te spelen, zegt hij. Als je echter weet dat je meer kansen hebt, kun je een stuk ambitieuzer zijn.

Zo ging het team van Sun in het najaar van 2018 op zoek naar stabielere perovskieten. (Hoewel sommige perovskiet-zonnecellen nu even efficiënt zijn als siliciumzonnecellen, zijn ze vatbaarder voor degradatie.) Ze begonnen met het identificeren van wat ze hun zoekruimte noemen, in dit geval een groep van 5.000 verschillende mogelijke materialen om te evalueren - allemaal combinaties van cesium, methylammonium, formamidinium en loodjodide, gemengd in verschillende verhoudingen en op verschillende manieren gesynthetiseerd.

Onderzoekswetenschapper Shijing Sun en Buonassisi in het PV Lab in 2019.

JOHN FREIDAH

Voor hun eerste ronde van experimenteel onderzoek vroeg de groep een algoritme om 28 materialen te selecteren die een breed voorbeeld van de mogelijkheden opleverden, zegt Sun. Na het synthetiseren van deze materialen, onderwierp het team ze aan high-throughput tools en technieken ontwikkeld door Serdy en een van de technische medewerkers van het lab, Janak Thapa. Met deze tools kunnen ze de stabiliteit van de materialen snel testen door ze bloot te stellen aan hoge temperaturen, hoge luchtvochtigheid en verlichte versies van de omstandigheden die ze op een zonnig dak zouden kunnen ervaren.

We stoppen ze eigenlijk in een sauna, zegt Armi Tiihonen, een postdoctoraal onderzoeker in het lab. We mikten op extreme acceleratie, om de materialen snel te laten degraderen, omdat we geen maanden tijd wilden verspillen.

Om hun stabiliteit te meten, trainde het team camera's op de materialen, ingesteld om elke vijf minuten foto's te maken. Perovskieten veranderen van kleur als ze afbreken en vervagen vaak van bijna zwart naar lichtgeel. Nadat de monsters ongeveer vijf dagen in de sauna hadden doorgebracht, analyseerde het team de foto's om de afbraaksnelheid van elk materiaal te bepalen. (Ze analyseerden ook enkele van de monsters dieper met behulp van röntgendiffractie, om visuele waarnemingen te bevestigen en te zien hoe de structuur van de materialen veranderde terwijl ze degradeerden.)

Vervolgens voerden ze deze resultaten terug naar het eerste algoritme en vroegen het om nog 28 materialen te kiezen - sommige vergelijkbaar met de materialen die het meest succesvol waren geweest in de experimentele fase, en sommige uit delen van de ruimte die onontgonnen waren.

Zelfs de meest ervaren materiaalwetenschappers zouden moeite hebben om zo'n telefoontje te plegen, zegt Sun. Ik kan een beslissing nemen als we 10 materialen hebben, zegt ze. Als we 5.000 materialen hebben, kan ik niet echt nadenken over wat ik nu moet doen.

Het team heeft deze cyclus een paar keer doorlopen: het kiezen van materialen via het algoritme, het maken en testen van monsters in de echte wereld en het geven van feedback aan het algoritme. Tegen het einde van de vierde ronde hadden ze een cluster van materialen gevonden die 17 keer stabieler waren dan de meest gebruikte perovskiet - en ook drie keer stabieler dan de vorige recordhouder van het laboratorium, die ze op meer traditionele manieren hadden gevonden . (Hun bevindingen en methoden werden in februari gepubliceerd door het tijdschrift Matter.)

Andere PV Lab-projecten hebben een vergelijkbaar succes gehad. In 2019 ging het team van Sun op zoek naar loodvrije perovskieten. Ze identificeerden twee materialen die volledig nieuw waren, samen met vier die nog nooit eerder waren gemaakt in de dunne-filmvorm die nodig is voor gebruik in zonnecellen. Vroeger hadden we er waarschijnlijk meer dan een jaar over gedaan, zegt Buonassisi. Met de nieuwe methoden waren ze in twee maanden klaar.

In een ander experiment bleek een perovskiet-zonnecel gebouwd met een van deze nieuwe materialen stabieler onder zware omgevingsomstandigheden dan de beste die ze ooit hadden gemaakt met hun eerdere methoden, wat aantoont dat de verbeteringen in deze individuele materialen doorwerken naar de zonne-apparaten die zijn met hen gemaakt.

Het team combineert de simulatie en het experiment om snel veelbelovende materialen te identificeren en te testen, zegt Buonassisi. We komen steeds dichter bij het punt dat we ons iets kunnen voorstellen en het dan in het echte leven kunnen realiseren.

Het leven in de snelle rij

Onderzoekers in het PV Lab nemen het steeds snellere tempo op. In 2020, na 10 jaar studeren en werken in bench science, begon Thapa zich te verdiepen in machine learning; tegen het einde van het jaar was hij co-auteur van zijn eerste paper over dit onderwerp.

De persoonlijkheid van het lab is aanpassingsvermogen, zegt hij; leden leren om te doen wat de groep nodig heeft. Dat geldt zelfs voor de studenten van het lab. Het doel is voor elke student die doorkomt om te leren hoe hij in een project en in een team kan zitten, en een goed afgerond, bijdragend lid van de STEM-gemeenschap te zijn, zegt Sara Bonner, de programmabeheerder van het lab.

Deze doelen kunnen leiden tot ongebruikelijke praktijken. Jaren geleden, om erachter te komen waar ze tijd konden besparen, leende het lab een gereedschap van fabrieksvloeren uit het begin van de 20e eeuw: we hadden letterlijk mensen met stopwatches die elke stap van het laboratoriumproces in de gaten hielden en het timen, zegt Buonassisi. Op basis van deze analyse optimaliseerden ze hun methodes en investeerden ze in nieuwe apparatuur. Ze verbeterden de efficiëntie van hun monstervoorbereiding met 350%, van 28 minuten per monster in 2015 tot ongeveer acht in 2018.

Meer recentelijk vroeg hij iedereen in het lab om persoonlijkheidstesten te doen, zodat ze konden leren op elkaars sterke punten te bouwen en beter samen te werken. Hij ziet deze oefeningen als investeringen. Als we de tijd besteden aan het ontwikkelen van deze toolset waarmee we productiever kunnen werken, kunnen we tien keer zoveel problemen oplossen, zegt hij.

Als er veel op het spel staat, kan een razend tempo juist een verademing zijn. Aan het begin van haar carrière, zegt Tiihonen, ging het werk zo traag dat haar doelen altijd onbereikbaar leken. Maar nu kunnen zij en haar collega's echt bereiken wat we willen.

Sun houdt van de manier waarop de nieuwe technieken haar in staat stellen haar expertisegebied uit te breiden - waar het team zich in het verleden misschien op één parameter of één klasse perovskieten had geconcentreerd, hebben ze nu de mogelijkheid om in meer projecten te stappen, en echt dichter bij dat droomzonnecelmateriaal komen, zegt ze.

Het team blijft zoeken naar knelpunten in het proces en verbreedt deze waar mogelijk. De afgelopen jaren bracht Buonassisi veel tijd door in Singapore als onderdeel van de Singapore-MIT Alliance for Research and Technology. Daar en aan het MIT begint hij robots in te bouwen die enkele van de stappen in de onderzoekspijplijn van het laboratorium kunnen uitvoeren. In Singapore mengt een formuleringsrobot bijvoorbeeld verschillende chemicaliën in de samenstellingen die nodig zijn voor het maken van monsters, sneller en nauwkeuriger dan een onderzoeker ze nauwgezet zou kunnen pipetteren. Het kan de gedetailleerde fysieke stappen ongeveer vier tot tien keer zo snel doen als een persoon, en de precisie ervan helpt de reproduceerbaarheid te verbeteren. Bovendien kan deze robot op afstand worden bestuurd, zodat laboratoriumleden of medewerkers waar dan ook taken in de wachtrij kunnen plaatsen en uitvoeren, zegt Buonassisi. Ondertussen werken hij en een paar medewerkers ook aan een tool met een superhoge doorvoer die onderzoekers in zijn MIT-lab zal helpen om nog meer mogelijkheden tegelijk te doorzoeken.

Hoewel machines misschien sneller zijn, zijn mensen over het algemeen flexibeler. Door robots en soortgelijke tools te gebruiken wanneer ze nuttig zijn, in plaats van alles te automatiseren, kan het laboratorium versnellen met behoud van de door mensen geproduceerde flexibiliteit die volgens Buonassisi vooral belangrijk is voor R&D in een vroeg stadium.

Maar de ultieme versnelling, zegt hij, komt wanneer anderen deze methoden overnemen en verbeteren. Het PV Lab opent alles wat het doet - van de stabiliteitzoekende algoritmen tot de blauwdrukken voor de machines - om deze technologieën naar buiten te duwen en meer mensen enthousiast te maken voor ze en eraan te werken, zegt hij. We hebben niet alle tijd van de wereld om te wachten.

---

Het perfecte recept vinden

Een AI-gedreven onderzoekstool
kijkt naar het verleden om betere manieren te vinden
materialen te maken.

Om vooruit te komen, moeten we vaak achterom kijken. Elsa Olivetti, de Esther en Harold E. Edgerton Career Development Professor bij het MIT's Department of Materials Science and Engineering, en haar lab hebben gewerkt aan een reeks algoritmen — of zoals ze het graag noemt, een data science-pijplijn — waarmee onderzoekers de wetenschappelijke literatuur van het recente verleden kunnen doorzoeken om aanwijzingen te vinden over hoe we de dingen kunnen bouwen die we nodig hebben voor de toekomst.

Elsa Olivetti

HARTELIJKE FOTO

Olivetti's groep — die gericht is op het vinden van duurzame en betaalbare manieren om materialen te ontwerpen en te ontwikkelen — is altijd op zoek naar nieuwe tools, zegt ze. Een paar jaar geleden sprak ze met Gerbrand Ceder, toen een MIT-faculteitslid en maker van het Materials Project — een database met informatie over bekende en voorspelde materialen, die onderzoekers kunnen gebruiken om verbindingen te vinden die precies de eigenschappen hebben waarnaar ze op zoek zijn, zelfs als ze nog nooit eerder zijn gemaakt.

Olivetti zag een kans om verder te gaan. Hoewel weten wat je moet maken een essentiële eerste stap is, is hoe je het materiaal maakt wat je moet weten in termen van de ecologische en economische impact, zegt ze. In veel gevallen, dacht ze, hebben mensen het werk van het maken van het materiaal al gedaan en nauwkeurig vastgelegd en gepubliceerd welke stappen erbij kwamen kijken en hoe het ging. Waarom zou u deze bron niet benutten?

Stel dat je de taak hebt gekregen om een ​​chocoladetaart te maken die snel bakt en betaalbare ingrediënten gebruikt. Je zou helemaal opnieuw kunnen beginnen: componenten mengen, verhoudingen aanpassen en cake na cake bakken totdat je iets bereikt dat werkt. Je kunt ook oude kookboeken doorzoeken, online tutorials bekijken en met vertrouwde vrienden praten. Maar wat als u een machine had die miljoenen kookboeken, video's en commentaarsecties van bakwebsites kon doorzoeken en de gevonden informatie kon compileren tot een nieuw recept dat bij uw doeleinden past?

Dit is in wezen wat de tool van Olivetti doet. De gebruikers willen misschien een elektrolyt in vaste toestand maken voor een lithium-ionbatterij, of een koolstofarme batterij.
vervanging van emissiecement. In plaats van te proberen om alleen of met een paar collega's eerder werk in het gebied te lezen en te synthetiseren, kunnen ze de tool vragen om zoveel literatuur door te bladeren als waartoe het toegang heeft — momenteel miljoenen papieren en patenten.

De tool van Olivetti combineert algoritmen voor natuurlijke taalverwerking — die door papieren bladeren om relevante informatie eruit te halen — met neurale netwerken, die nieuwe recepten aanbevelen op basis van wat in het verleden heeft gewerkt. Het zoekt informatie op over het materiaal in kwestie, maar ook over verschillende materialen die verwante eigenschappen kunnen hebben.

Het was een uitdaging om een ​​reeks algoritmen te maken die zoveel artikelen, elk met hun domeinspecifieke vocabulaire en stilistische eigenaardigheden, kunnen distilleren tot bruikbare recepten, zegt Olivetti. Maar de inspanning levert nu al onverwachte inzichten op.

In 2019 werkte zij en enkele collega's met zeolieten, poreuze materialen die essentieel zijn voor toepassingen van industriële katalyse tot luchtzuivering. De grootte en rangschikking van hun poriën is van invloed op waarvoor zeolieten kunnen worden gebruikt, maar hoe dit kenmerk tijdens de synthese precies kon worden gecontroleerd, was niet bekend. Door hun algoritme te gebruiken om de literatuur te kraken, konden Olivetti en haar collega's de cruciale stappen afleiden om zeolieten min of meer poreus te maken — de gecombineerde bevindingen van eerdere onderzoekers gebruiken om toekomstige te redden van eindeloze ronden van vallen en opstaan.

Naast het aanbieden van bestaande recepten voor materialen, kan een algoritme als dit helpen bij het maken van nieuwe recepten, zegt Olivetti. Ze kan zich voorstellen dat ze een tekstminingstap zou opnemen in een workflow zoals die van Buonassisi, om een ​​historische dimensie te geven aan AI-gedreven pogingen tot materiaalsynthese.

Het is misschien ook mogelijk, zegt Olivetti, om vergelijkbare technologie te gebruiken om brede thema's uit het veld te halen of om opkomende trends te begrijpen — coole, brede kansen waarvan we net beginnen te krabben.

zich verstoppen