Trước mối đe dọa ngày càng tăng của biến đổi khí hậu, vài thập kỷ qua đã chứng kiến sự tiến bộ vượt bậc trong công nghệ năng lượng mặt trời. Đặc biệt, pin mặt trời silicon dị tiếp xúc (SHJ) đã trở thành chủ đề nóng trong lĩnh vực này vì chúng có thể đạt hiệu suất chuyển đổi năng lượng rất cao.
Hiệu suất của pin mặt trời SHJ phụ thuộc phần lớn vào chất lượng của lớp thụ động của chúng. Lớp màng mỏng này được làm từ silicon vô định hình đã hydro hóa (ia-Si:H) giúp ngăn chặn các hạt mang điện kích thích bằng ánh sáng (như electron) không bị mất đi trong quá trình tái hợp.
Gần đây, các nhà nghiên cứu từ Viện Khoa học và Công nghệ Tiên tiến Nhật Bản (JAIST) đã tập trung vào việc sử dụng một phương pháp gọi là lắng đọng hơi hóa học xúc tác (Cat-CVD) để tạo thành màng thụ động mỏng trên pin mặt trời SHJ.
Nhìn chung, Cat-CVD là một kỹ thuật hấp dẫn và hiệu quả cao, có thể lắng đọng màng mà không gây hư hại cho chất nền, không giống như các phương pháp lắng đọng dựa trên plasma. Tuy nhiên, việc xác định các điều kiện lắng đọng tối ưu để thu được màng ia-Si:H chất lượng cao tỏ ra khó khăn. Điều này là do Cat-CVD có một số thông số có thể điều chỉnh được, bao gồm nhiệt độ bề mặt, tốc độ dòng khí và thời gian lắng. Vì vậy, việc xác định sự kết hợp tốt nhất thông qua thử và sai là vô cùng tốn thời gian.
Giờ đây, trong một nghiên cứu gần đây được công bố trên Vật liệu và Giao diện Ứng dụng ACS , một nhóm nghiên cứu do Giáo sư Keisuke Ohdaira từ JAIST dẫn đầu đã phát triển một chiến lược sáng tạo và hiệu quả để đạt được điều kiện lắng đọng tối ưu cho Cat-CVD.
Nghiên cứu được đồng tác giả bởi Ryota Ohashi, nghiên cứu sinh Thạc sĩ, Trợ lý Giáo sư Huỳnh Thị Cẩm Tú và Chuyên gia Kỹ thuật Cao cấp Koichi Higashimine từ JAIST cùng với Tiến sĩ Kentaro Kutsukake, nhà nghiên cứu tại RIKEN.
Chiến lược đề xuất dựa trên việc triển khai thực tế một kỹ thuật tối ưu hóa được gọi là "Tối ưu hóa Bayes" (BO). Phương pháp phổ biến này, dựa trên học máy , có thể được sử dụng để xác định cực đại của hàm có hình dạng chưa biết.
Trong bối cảnh Cat-CVD, BO bao gồm một quy trình tuần tự trong đó một tập hợp các điều kiện lắng đọng đã biết và đầu ra tương ứng của chúng được đưa vào thuật toán, sau đó dự đoán đầu ra cho các điều kiện lắng đọng chưa được đánh giá. Bằng cách liên tục kiểm tra các điều kiện lắng đọng dự đoán và đưa kết quả trở lại thuật toán, cuối cùng nó sẽ đưa ra các giá trị tối ưu.
Tuy nhiên, việc áp dụng BO vào bài toán Cat-CVD không hề đơn giản. Giáo sư Ohdaira giải thích: “Trong tối ưu hóa Bayes đơn giản, chỉ nhằm mục đích tối đa hóa tuổi thọ của chất mang, không có chức năng nào để điều chỉnh độ dày của màng được đề xuất cho các điều kiện thử nghiệm tiếp theo, dẫn đến màng dày có thể gây ra sự cố vận hành”.
“Ngoài ra, các điều kiện thí nghiệm được đề xuất có thể dẫn đến những kết hợp không khả thi, chẳng hạn như sự không phù hợp giữa tốc độ dòng khí và công suất xả của thiết bị lắng đọng màng.”
Để giải quyết những hạn chế này, các nhà nghiên cứu đã triển khai một kế hoạch tối ưu hóa thực tế được gọi là "BO ràng buộc". Trong đó, họ đã kết hợp ba mô hình dự đoán khác nhau. Phương pháp đầu tiên dự đoán hiệu suất của màng lắng đọng xét về thời gian tồn tại của hạt tải điện.
Mô hình thứ hai ước tính áp suất lắng đọng dựa trên tốc độ dòng khí đầu vào, giúp loại trừ các điều kiện lắng đọng không thể thực hiện được hoặc không thực tế. Cuối cùng, mô hình thứ ba giúp hạn chế độ dày của màng được đề xuất trong khi xem xét thời gian lắng đọng, một thông số quan trọng trong Cat-CVD.
Sau khi cung cấp cho mô hình kết hợp của họ 14 mẫu ban đầu (về điều kiện lắng đọng và hiệu suất màng được đo bằng thực nghiệm), các nhà nghiên cứu chỉ phải chạy tám chu kỳ tối ưu hóa để đạt được tuổi thọ sóng mang cao, đạt tối ưu hóa hoàn toàn sau hai mươi chu kỳ.
Điều thú vị là các đề xuất của mô hình đã giúp nhóm nghiên cứu xác định các tổ hợp tham số chưa biết trước đây dẫn đến thời gian sống của sóng mang cao.
“Bằng cách thay đổi nhiều thông số lắng đọng màng theo đề xuất của tối ưu hóa Bayes bị ràng buộc, chúng tôi nhận thấy rằng sự kết hợp giữa nhiệt độ cơ chất trong quá trình lắng đọng màng và tốc độ dòng của khí tiền chất SiH 4 là rất quan trọng để đạt được khả năng mạnh mẽ trong việc ngăn chặn sự tái hợp chất mang,” cho biết. Giáo sư Ohdaira. "Do đó, tối ưu hóa Bayes bị ràng buộc không chỉ cung cấp các điều kiện lắng đọng tối ưu mà còn cung cấp kiến thức khoa học."
Cùng với nhau, những phát hiện của nghiên cứu này cho thấy tiềm năng của BO hạn chế để phát triển không chỉ pin mặt trời hiệu suất cao mà còn tất cả các loại thiết bị. Giáo sư Ohdaira kết luận: “Phương pháp đề xuất nên được áp dụng trên nhiều lĩnh vực để tối ưu hóa thực tế các quy trình vật liệu phức tạp, bao gồm cả việc lắng đọng màng, nguyên tắc cơ bản trong sản xuất hầu hết các thiết bị điện tử”.
