Quantifying Perovskite Solar Cell Degradation via Machine Learning from Spatially Resolved Multimodal Luminescence Time Series

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "تكميم تدهور الخلايا الشمسية البيروفسكايت عبر التعلم الآلي من السلاسل الزمنية للوميض متعدد الأنماط والموزع مكانياً."

1. بيان المشكلة

حققت الخلايا الشمسية البيروفسكايت (PSCs) كفاءات تحويل طاقة مذهلة (PCE >27%)، إلا أن جدواها التجارية تعوقها مشكلات الاستقرار التشغيلي. فخلافاً لخلايا السيليكون، تعد خلايا البيروفسكايت حساسة للغاية للمؤثرات البيئية (الرطوبة، الأكسجين، الأشعة فوق البنفسجية، والحرارة)، مما يؤدي إلى آليات تدهور معقدة تشمل هجرة الأيونات، والتحولات الطورية، والتفاعلات البينية.

تواجه طرق المراقبة الحالية عيبين رئيسيين:

• التوصيف الكهربائي (مسوحات J-V): دقيق ولكنه يستغرق وقتاً طويلاً، ويعد تدميرياً للمراقبة المستمرة، ويفتقر إلى الدقة المكانية (لا يمكنه تحديد بؤر التدهور الموضعية).
• التصوير الحالي: بينما يُستخدم تصوير الوميض الكهربائي (EL) والوميض الضوئي (PL) في خلايا السيليكون، إلا أن تطبيقهما على خلايا البيروفسكايت لا يزال غير مستكشف بشكل كافٍ. وتعتمد الدراسات السابقة غالباً على نقاط زمنية واحدة أو متوسطات شدة عالمية، مما يفشل في التقاط الأنماط الموزعة مكانياً التي ترتبط بآليات تدهور محددة.

التحدي الجوهري: كيفية تطوير طريقة سريعة، غير جراحية (غير تدميرية)، وموزعة مكانياً للتنبؤ بـ احتفاظ الكفاءة ($R_{PCE}$) لخلايا البيروفسكايت أثناء التقادم، متجاوزةً مجرد اضمحلال الشدة العالمية للاستفادة من بصمات التدهور المكانية المعقدة.

2. المنهجية

يقترح المؤلفون إطار عمل يعتمد على التعلم العميق يسمى LumPerNet للتنبؤ بـ $R_{PCE}$ مباشرة من السلاسل الزمنية لتصوير الوميض متعدد الأنماط.

أ. الإعداد التجريبي وجمع البيانات

• الأجهزة: 59 خلية بيروفسكايت من ثلاث مجموعات (مجموعتان من البنية A: CsFAMA؛ ومجموعة واحدة من البنية B: FACs).
• بروتوكول التقادم: تم تقادم الأجهزة في منصة مؤتمتة مصممة خصيصاً عند درجة حرارة 30 مئوية في هواء محيط (غير مغلفة لتسريع التباين).
• التصوير متعدد الأنماط: في فترات زمنية محددة، حصل النظام على:
  1. EL: الوميض الكهربائي تحت انحياز أمامي (1.5 فولت).
  2. $PL_{oc}$: الوميض الضوئي تحت ظروف الدائرة المفتوحة.
  3. $PL_{sc}$: الوميض الضوئي تحت ظروف الدائرة القصيرة.
  4. المرجع: تم الحصول على جميع الأنماط عند الزمن $t=0$ (الحالة الأولية) مقترنة بالحالات المتقادمة ($t>0$).
• الحقيقة الأرضية (Ground Truth): تم حساب $R_{PCE}$ كنسبة $PCE(t) / PCE(0)$ المستمدة من مسوحات J-V الداخلية.
• مجموعة البيانات: 12,258 عينة مزدوجة (صورة متقادمة + صورة مرجعية) مقيدة بنطاق التشغيل $R_{PCE} \in [0.8, 1.2]$ للتركيز على التدهور المستقر بدلاً من الطفرات العابرة.

ب. معالجة البيانات مسبقاً

• التصحيح: طرح المجال المظلم، إزالة البكسلات الساخنة، وتقليم المنطقة ذات الاهتمام (ROI) مكانياً إلى $72 \times 72$ بكسل.
• بناء تينسور المدخلات: لكل خطوة زمنية $t$، يتضمن تينسور المدخل $x(t)$ ما يلي:
  • الصور المطلقة: $EL(t), PLoc(t), PLsc(t)$ومراجعها$EL(0), PLoc(0), PLsc(0)$.
  • قنوات النسب: نسب البكسل $I(t)/I(0)$ لتوحيد تغيرات الشدة وإبراز التدهور المكاني النسبي.

ج. إطار التعلم الآلي

• بنية النموذج (LumPerNet): هيكل خلفي من الشبكات العصبية الالتفافية (CNN) متبوعاً بمدرج بسيط متعدد الطبقات (MLP) للتراجع.
  • المدخلات: تينسورات صور متعددة الأنماط مكدسة.
  • الآلية: تستخرج الـ CNN الميزات المكانية من أزواج الصور (المرجع-الحالي) لتعلم بصمات التدهور.
• النموذج المرجعي (Baseline): نموذج MLP ضحل تم تدريبه فقط على شدة الفضاء المتوسط (العالمي) لنفس الأنماط، ليكون بمثابة ضابط لاختبار قيمة الدقة المكانية.
• بروتوكول التقييم:
  • الوعي بالتسرب (Leakage-Aware): تقسيم صارم على مستوى الجهاز (التدريب/التحقق على 80% من الأجهزة، والاختبار على 20% من أجهزة مختلفة) لمنع تسرب البيانات الزمنية.
  • التحقق المتقاطع: تحقق متقاطع رباعي الأبعاد (4-fold CV) على مجموعة التدريب.
  • المقاييس: متوسط الخطأ المطلق (MAE)، جذر متوسط مربع الخطأ (RMSE)، ومعامل التحديد ($R^2$).

3. المساهمات الرئيسية

1. أول إطار عمل متعدد الأنماط للسلاسل الزمنية لتدهور خلايا البيروفسكايت: تقدم الدراسة خط إنتاج يربط سلاسل EL/PL الزمنية الموزعة مكانياً والمؤتمتة بمقاييس التدهور الكهربائية الكمية ($R_{PCE}$).
2. إثبات الميزة المكانية: تثبت الدراسة أن الأنماط الموزعة مكانياً تحتوي على معلومات تنبؤية تفتقر إليها متوسطات الشدة العالمية. تتفوق الـ CNN بشكل كبير على النموذج المرجعي القائم على الشدة فقط.
3. دراسة استئصال شاملة للأنماط (Modality Ablation): أجرى المؤلفون دراسة مستفيضة على مدخلات الأنماط الأحادية والمزدوجة، وكشفت أن:
   • تعدد الأنماط ضروري لضمان التعميم القوي.
   • التكامل الفيزيائي أهم من عدد القنوات: الجمع بين EL + $PL_{sc}$ أو $PL_{oc} + PL_{sc}$ هو الأفضل أداءً، بينما يعد EL + $PL_{oc}$ غير مستقر. يشير هذا إلى أن الجمع بين إشارات الحقن (EL) والاستخراج ($PL_{sc}$) يوفر رؤى متكاملة لعمليات إعادة الاتحاد وهجرة الأيونات.
4. خط عمل قابل للتكرار: يوفر العمل سير عمل مفتوح المصدر بالكامل (الكود على GitHub، والبيانات على Zenato) بما في ذلك التقادم المؤتمت، ومعالجة الصور، وتدريب النموذج.

4. النتائج الرئيسية

• تفوق الأداء:
  • LumPerNet (CNN متعدد الأنماط): حقق MAE = 0.049، و RMSE = 0.061، و $R^2 = 0.553$.
  • النموذج المرجعي (MLP القائم على الشدة فقط): حقق MAE = 0.064، و RMSE = 0.082، و $R^2 = 0.136$.
  • التحسن: قلل LumPerNet من MAE بنسبة 23.4% ومن RMSE بنسبة 25.6%، مع زيادة في $R^2$ بنسبة 0.417 (تحسن بنحو 4.1 ضعف).
• المتانة: أظهر النموذج المرجعي تبايناً عالياً عبر عمليات التحقق (قيم $R^2$ سالبة في حالتين من أصل 4)، بينما ظل LumPerNet مستقراً، مما يؤكد أن الميزات المكانية حاسمة للتعميم على أجهزة غير مرئية.
• رؤى استئصال الأنماط:
  • الأنماط الفردية (EL-only، $PL_{oc}$-only، $PL_{sc}$-only) كانت جميعها أسوأ أداءً بكثير من النموذج الكامل.
  • EL + $PL_{sc}$ كان الزوج الثنائي الأقوى (MAE 0.052)، وهو يقارب النموذج الكامل عن كثب.
  • EL + $PL_{oc}$ كان ضعيف الأداء (MAE 0.060) وغير مستقر، مما يشير إلى أن هذين النمطين يستقصيان حالات فيزيائية متشابهة ويفتقران إلى التباين المتكامل.
• التتبع النوعي: نجح النموذج في إعادة بناء مسارات التدهور المتطورة زمنياً للأجهزة الفردية، ملتقطاً الاضمحلال البطيء وعدم الاستقرار المتوسط، رغم أنه قام بتنعيم الطفرات الكهربائية العابرة (وهو أمر مرغوب فيه لمراقبة الاستقرار).

5. الأهمية والأثر

• تسريع اختبارات الاستقرار: يوفر هذا الإطار بديلاً غير جراحي وعالي الإنتاجية لمسوحات J-V المتكررة، مما يسمح بفحص سريع لاستقرار خلايا البيروفسكايت أثناء التطوير والتصنيع.
• التشخيص الموضعي: من خلال الاستفادة من الدقة المكانية، يمكن لهذه الطريقة تحديد أين يبدأ التدهور (مثل الحواف، التلامسات، أو الشورتات/الدوائر القصيرة)، مما يوجه التحسينات المستهدفة في بنية الجهاز والتغليف.
• الذكاء الاصطناعي المستند إلى الفيزياء: تسلط النتائج الضوء على أن الذكاء الاصطناعي الناجح لعلوم المواد يتطلب فهماً للتكامل الفيزيائي بين أنماط البيانات (مثل الجمع بين أوضاع الحقن والاستخراج) بدلاً من مجرد تكديس المزيد من القنوات.
• القابلية للتوسع: التصميم متوافق مع النشر الميداني (مثل التصوير بواسطة الطائرات بدون طيار) وخطوط الإنتاج المؤتمتة، مما يسد الفجوة بين أبحاث المختبرات والاستخدام التجاري على نطاق واسع في قطاع الطاقة الشمسية.

باخت ملخص، يثبت هذا العمل أن تصوير الوميض متعدد الأنماط الموزع مكانياً، عند معالجته عبر إطار تعلم عميق واعٍ بالتسرب، يعد أداة قوية لتكميم ومراقبة تدهور الخلايا الشمسية البيروفسكايت، متفوقاً على مقاييس الشدة العالمية التقليدية.