在为太阳能电池开发更好的材料和配置的持续竞赛中，可以调整许多变量以尝试提高性能，包括材料类型、厚度和几何排列。开发新的太阳能电池通常是一个乏味的过程，每次对其中一个参数进行小的更改。虽然计算模拟器使评估此类变化成为可能，而无需实际构建每个新变化进行测试，但该过程仍然很慢。

现在，麻省理工学院和 Google Brain 的研究人员开发了一个系统，不仅可以一次评估一个提议的设计，还可以提供有关哪些更改将提供所需改进的信息。这可以大大提高发现新的、改进的配置的速度。

新系统称为可微分太阳能电池模拟器，在今天发表在《计算机物理通信》杂志上的一篇论文中进行了描述，该论文由麻省理工学院大三学生 Sean Mann、麻省理工学院士兵纳米技术研究所的研究科学家 Giuseppe Romano 以及麻省理工学院的其他四人撰写。谷歌大脑。

Romano 解释说，传统的太阳能电池模拟器采用太阳能电池配置的细节，并产生预测的效率作为其输出——也就是说，入射太阳光的能量实际上有多少百分比被转换为电流。但是这个新的模拟器既可以预测效率，又可以显示任何一个输入参数对输出的影响程度。“它直接告诉你，如果我们把这一层加厚一点，效率会发生什么变化，或者如果我们改变材料的特性，效率会发生什么变化，”他说。

简而言之，他说：“我们没有发现新设备，但我们开发了一种工具，可以让其他人更快地发现其他更高性能的设备。” 使用该系统，“我们减少了运行模拟器所需的次数，以便更快地访问更广泛的优化结构空间。” 此外，他说，“我们的工具可以识别一组独特的材料参数，这些参数迄今为止一直被隐藏，因为运行这些模拟非常复杂。”

Mann 说，虽然传统方法本质上是随机搜索可能的变化，但使用他的工具，“我们可以遵循变化的轨迹，因为模拟器会告诉你想要改变设备的方向。这使得过程更快，因为探索整个机会空间，您只需遵循一条路径即可直接提高绩效。

由于先进的太阳能电池通常由与导电材料交错的多层组成，以将电荷从一层传输到另一层，因此该计算工具揭示了改变这些不同层的相对厚度将如何影响设备的输出。“这非常重要，因为厚度至关重要。光传播与每层的厚度和每层的吸收之间存在很强的相互作用，”曼解释道。

可以评估的其他变量包括每层接收的掺杂量(引入另一种元素的原子)，或绝缘层的介电常数，或带隙，可测量光子的能级由层中使用的不同材料捕获。

Romano 说，该模拟器现在可作为开源工具使用，可立即用于帮助指导该领域的研究。“它已经准备好了，可以被行业专家采用。” 为了利用它，研究人员将该设备的计算与优化算法甚至机器学习系统相结合，以快速评估各种可能的变化并快速找到最有前途的替代方案。

此时，模拟器仅基于太阳能电池的一维版本，因此下一步将扩展其功能以包括二维和三维配置。但即使是这个 1D 版本“也可以覆盖目前正在生产的大多数电池，”Romano 说。某些变体，例如所谓的使用不同材料的串电池，尚无法通过该工具直接模拟，但“有一些方法可以通过模拟每个单独的电池来近似串太阳能电池，”曼恩说。

模拟器是“端到端”的，Romano 说，这意味着它计算效率的灵敏度，同时考虑到光吸收。他补充说：“一个有吸引力的未来方向是将我们的模拟器与现有的先进的可微分光传播模拟器组合在一起，以提高准确性。”

继续前进，罗马诺说，因为这是一个开源代码，“这意味着一旦它出现在那里，社区就可以为它做出贡献。这就是为什么我们真的很兴奋。” 他说，尽管这个研究小组“只有少数人”，但现在任何在该领域工作的人都可以对代码进行自己的增强和改进，并引入新功能。

“微分物理学将为工程系统的模拟提供新的能力，”卡内基梅隆大学机械工程副教授文卡特维斯瓦纳坦说，他没有参与这项工作。“可微分太阳能电池模拟器是微分物理学的一个令人难以置信的例子，它现在可以提供优化太阳能电池设备性能的新功能，”他说，称这项研究“向前迈出了令人兴奋的一步”。