通过精确的自动表征方法和机器学习辅助分析,推进混合矿薄膜的高通量组合老化研究

科学领域:

• 材料科学 材料科学 材料科学
• 化学工程是化学工程的重要组成部分.
• 太阳能光伏发电是如何实现的

背景情况:

• 优化材料稳定性对于设备性能和寿命至关重要.
• 现有的高吞吐量工作流程往往缺乏可扩展性或现实的测试条件.
• 在可扩展的组合方法中,控制稳定性评估的利用不足.

研究的目的:

• 开发和演示用于内在材料降解研究的组合惰性气体工作流.
• 为了研究甲基氧化 (MAPbI₃) 薄膜的稳定性,其残留氧化 (PbI₂) 含量各不相同.
• 通过机器学习将光学光谱变化与老化过程中的底层降解过程联系起来.

主要方法:

• 使用可扩展的基于蒸汽沉积的组合MAPbI₃薄膜库的制造.
• 纯净和老旧薄膜的自动表征 (结构,相构成).
• 在热或光偏差应激下进行in situUV-Vis光谱学,加上对光谱变化的机器学习分析.

主要成果:

• 证明了一种组合的惰性气体工作流程,模仿封装设备条件以进行稳定性评估.
• 确定了降解动力学,并将它们与内在过程 (如自催化分解) 联系起来.
• 机器学习模型成功地将光学光谱变化与老化过程中的相位过渡相关联,克服了散射效应.

结论:

• 开发的工作流程允许在混合矿中进行材料稳定性的半定量比较.
• 提供了对降解机制的详细见解,适用于超出单个样本研究.
• 突出了将高通量组合方法与机器学习相结合的潜力,以发现和优化材料.