DeFecT-FF: a machine learning force field framework for high throughput defect modeling in CdTe-based solar cells
يقدم المؤلفون DeFecT-FF، وهو إطار عمل لمجال قوة تعلم آلي متاح للعموم يستفيد من بيانات نظرية الكثافة الوظيفية (DFT) عالية الإنتاجية والتعلم النشط للتنبؤ بكفاءة بطاقات تكوين العيوب وتكوينات الحالة الأرضية لمواد الخلايا الشمسية Cd/Zn-Te/Se/S، مما يتجاوز التكلفة الحسابية لحسابات نظرية الكثافة الوظيفية التقليدية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول بناء الخلية الشمسية المثالية، وهي جهاز يحول ضوء الشمس إلى كهرباء. يكمن سر جعل هذه الخلايا فعالة في "الخلل" الصغير وغير المرئي داخل المادة، والمعروف باسم العيوب (defects). فكر في الخلية الشمسية كأنها مدينة بلورية مثالية ضخمة؛ في معظم الأوقات، تكون الذرات (المباني) مصطفة بشكل مثالي، ولكن أحياناً يكون هناك مبنى مفقود (فجوة)، أو مبنى جديد محشور في مكان لا ينتمي إليه (ذرة بينية)، أو مبنى تم استبداله بنوع آخر (استبدال).
هذه العيوب تشبه الحفر أو الازدحامات المرورية في المدينة. إذا كان هناك الكثير منها، أو إذا كانت في الأماكن الخاطئة، فإنها تحجز الكهرباء (الإلكترونات) وتمنع تدفقها، مما يجعل الخلية الشمسية أقل كفاءة.
لعقود من الزمن، حاول العلماء رسم خريطة لكل حفرة وازدحام مروري محتمل في هذه المواد لإصلاحها. إنهم يستخدمون طريقة محاكاة حاسوبية فائقة القوة تسمى DFT (نظرية الكثافة الوظيفية). فكر في DFT ككاميرا عالية الدقة وبطيئة الحركة يمكنها رؤية كيفية تحرك كل ذرة وتفاعلها بدقة متناهية. إنها دقيقة للغاية، لكنها أيضاً بطيئة جداً ومكلفة؛ فتشغيل محاكاة واحدة يشبه محاولة حساب حالة الطقس لكتلة سكنية واحدة لعام كامل، وهو أمر يستغرق أياماً من وقت الحواسيب الفائقة.
ولأن هناك المليارات من الطرق الممكنة التي يمكن أن تترتب بها هذه العيوب الذرية، فإن محاولة فحصها جميعاً باستخدام DFT يشبه محاولة قراءة كل كتاب في مكتبة بحجم الكون؛ إنه أمر مستحيل.
الحل: DeFecT-FF (نظام الـ "GPS الذكي" للذرات)
قام مؤلفو هذا البحث، وهم فريق من جامعة بوردو، ببناء أداة جديدة تسمى DeFecT-FF. يمكنك التفكير في هذه الأداة كأنها نظام GPS عالي السرعة لهذه المدن الذرية.
إليك كيف قاموا ببنائها:
- مرحلة التدريب: أولاً، استخدموا كاميرا DFT البطيئة والمكلفة لالتقاط صور لآلاف العيوب الذرية المختلفة. لم يكتفوا بالتقاط صورة واحدة، بل التقطوا صوراً للعيوب في "حالات مزاجية" مختلفة (شحنات كهربائية مختلفة، مثل الموجبة أو السالبة).
- التعلم الآلي: قاموا بتغذية كل هذه الصور في برنامج حاسوبي ذكي (مجال قوة التعلم الآلي). تعلم هذا البرنامج الأنماط؛ تعلم أنه "عندما تجلس ذرة نحاس بجانب مكان مفقود، تهتز المدينة بهذا الشكل"، أو "عندما تُضاف ذرة كلور، تعيد المباني ترتيب نفسها بهذا الشكل".
- النتيجة: الآن، بدلاً من استخدام كاميرا DFT البطيئة، يستخدم الفريق نظام الـ GPS الذكي هذا. يمكنه التنبؤ بكيفية ترتيب الذرات في غض_ون دقائق بدلاً من أيام، وبنفس مستوى الدقة تقريباً.
لماذا يهم هذا الخلايا الشمسية؟
ركز الباحثون على عائلة محددة من المواد المستخدمة في الخلايا الشمسية: كادميوم تيلورايد (CdTe) وأقربائها الممزوجة بالسيلينيوم (Se) والزنك (Zn). هذه المواد هي "خيول العمل" في صناعة الطاقة الشمسية، ولكن لديها مشكلة في الجهد الكهربائي؛ فهي لا تصل إلى إمكاناتها الكاملة بسبب هذه العيوب الذرية.
استخدم الفريق أداة الـ GPS الجديدة الخاصة بهم لـ:
- رسم الخريطة: قاموا بمسح مساحة كيميائية هائلة، ولم يبحثوا فقط في المواد البسيطة، بل في المزيجات المعقدة (السبائك) حيث يتم تبديل الذرات حول بعضها البعض.
- إيجاد أفضل التكوينات: وجدوا الترتيبات المحددة للعيوب الأكثر استقراراً (الطرق الأكثر سلاسة) وتلك التي تسبب أكبر قدر من المشاكل.
- تحديد الجناة الجدد: اكتشفوا طرقاً جديدة يمكن من خلالها للشوائب الشائعة (مثل النحاس أو الكلور) أن تتحد مع العيوب لتسبب مشاكل، وكيف يمكن استخدام عناصر أخرى (مثل الزرنيخ) لإصلاحها.
"السحر" الكامن في الأداة
يسلط البحث الضاً على بعض "القوى الخارقة" الرئيسية لهذا الإطار الجديد:
- السرعة: إنها أسرع بـ 10,000 مرة من الطريقة القديمة. فالحساب الذي كان يستغرق أسبوعاً أصبح يستغرق بضع دقائق فقط.
- الدقة: هي لا تخمن فحسب، بل تم تدريبها على بيانات عالية الجودة. يمكنها التنبؤ بطاقة هذه العيوب بهامش خطأ صغير جداً لدرجة أنه يشبه قياس عرض شعرة بشرية بمسطرة والخطأ بمقدار جزء من المليمتر.
- الوصول العام: الجزء الأفضل؟ لم يحتفظ المؤلفون بهذه الأداة سراً. لقد وضعوها على موقع إلكتروني عام (nanoHUB). الآن، يمكن لأي عالم رفع مخطط بلوري، وإخبار الأداة "ابحث لي عن العيوب"، والحصول على تقرير حول كيفية إصلاحها دون الحاجة إلى حاسوب فائق خاص به.
تشبيه من الواقع
تخيل أنك مخطط مدينة يحاول إصلاح حركة المرور في مدينة ضخمة ومعقدة.
- الطريقة القديمة (DFT): تقوم باستئجار فريق من المهندسين للمشي في كل شارع جسدياً، وقياس كل حفرة، ومحاكة حركة كل سيارة. يستغرق الأمر سنوات ويكلف ثروة طائلة.
- الطريقة الجديدة (DeFecT-FF): تقوم باستئجار فريق من المهندسين للمشي في عدد قليل من الشوارع الرئيسية والتقاط بعض الصور. ثم تقوم بتدريب ذكاء اصطناعي فائق الذكاء على هذه الصور. الآن، يمكن لهذا الذكاء الاصطناٍ أن ينظر إلى خريطة المدينة ويخبرك فوراً أين ستحدث الازدحامات المرورية وكيفية إصلاحها، بدقة تصل إلى 99%، وفي ثوانٍ معدودة.
يخلص البحث إلى أنه باستخدام نظام الـ "GPS بالذكاء الاصطناعي" هذا، يمكن للعلماء الآن تصميم خلايا شمسية أفضل بسرعة من خلال فهم وإصلاح "الازدحامات المرورية" الذرية التي تحد حالياً من أدائها. لقد حولوا مهمة كانت في السابق مستحيلة (فحص المليارات من الاحتمالات) إلى وظيفة روتينية يومية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.