📄 معروضة نسخة «بسيط» — «متقدم» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها. اطلب التحليل الكامل

الخلية الشمسية البيروفسكايتية مثل رياضية شابة: تظهر نتائج ممتازة في البداية، لكنها تتعب مع تقدم العمر. خلال ثماني ساعات، تنخفض خصائصها بشكل ملحوظ، دون وجود أسباب ظاهرة مثل الشقوق أو الغبار. أخذ العلماء خلية واحدة وسجلوا قراءاتها عند الدقائق 0 و90 و280 و480 من عمرها. ثم استخدموا التعلم الآلي لاستعادة ما يحدث داخليًا من هذه البيانات الخارجية.

داخل البيروفسكايت تعيش أيونات متحركة — جسيمات مشحونة تبدأ في التحرك تحت تأثير الضوء والجهد. تركيزها وسرعة حركتها (معامل الانتشار) تتغير بمرور الوقت، وليس بشكل منفصل بل بشكل منسق. عندما يزداد عدد الأيونات، تظهر خسائر إضافية عند الحدود بين الحبيبات البلورية — حيث تعيد الشحنات تركيبها، أي تختفي دون إنتاج تيار. الأمر أشبه بفريق يضم لاعبين إضافيين يعيقون بعضهم البعض عند المرمى.

هذا النهج — الجمع بين المحاكاة والتعلم الآلي — يسمح بالنظر إلى العمليات الخفية دون تفكيك الجهاز. في السابق، كان يتطلب الأمر تدمير البطارية وفحصها تحت المجهر لمعرفة ما تغير. الآن يمكن مراقبة الشيخوخة في الوقت الفعلي، وربما تعلم كيفية إبطائها.

شيخوخة البطاريات البيروفسكايتية هي العائق الرئيسي أمام دخولها السوق. إذا فهمنا أي الأيونات هي المسؤولة، يمكننا اختيار إضافات أو تعديل التركيب لإبطاء حركتها. عندها، ستستمر الألواح الشمسية الرخيصة والمرنة لسنوات بدلاً من ساعات.

الملخص الأصلي

كما كتبه المؤلفون، بالإنجليزية arXiv:2608.10691v1

Degradation in lead halide perovskite solar cells is analysed by inverse modelling of published measurements of characteristics of a single solar cell at ages 0, 90, 280, 480 minutes. We employ machine learning to deduce distributions of material parameter values and hence the physics linked to measured changes. Bayesian parameter estimation is coupled with drift diffusion simulations using the IonMonger code combined with an optical model. We accurately replicated measured changes in device performance with age through variations in model input parameters. Our key result is that degradation is influenced by correlated changes in the concentrations and diffusion coefficients of mobile ions and by interface recombination at large mobile ion concentrations. This study demonstrates the power of machine learning combined with simulations to reliably interpret experimental results, a task which is problematic if using simulation models with only manual exploration of the input parameter space.