Förderprojekte

Förderbeginn 01.01.2022

Verständnis der Rolle von Alkalimetallionen in Perowskit-Dünnschichten mithilfe von robotergestützter Synthese und In-situ-Charakterisierungsmethoden

Prof. Dr. Christoph J. Brabec
Friedrich-Alexander-Universität Erlangen-Nürnberg
Materialien der Elektronik und der Energietechnologie

Dr. Carolin M Sutter-Fella
Lawrence Berkeley National Laboratory
Chemical Sciences Division

Perowskit-Solarzellen sind eine der vielversprechendsten neuen Photovoltaiktechnologien. Seit 2009 konnte der Wirkungsgrad von Perowskit-Solarzellen im Labormaßstab von 3,8 % auf 25,5 % verbessert werden. Kostengünstige Perowskit-Materialien, die aus Lösungen prozessiert werden können, beeindrucken nicht nur durch ihre hervorragenden optoelektronischen Eigenschaften, sondern bieten auch eine breite Palette von Zusammensetzungen, die große Möglichkeiten für die Forschung bieten. Um diese zu nutzen, ist eine reproduzierbare und benutzerunabhängige Laborarbeit unabdingbar, zum Beispiel durch den Einsatz von automatisierten Plattformen. Diese ermöglichen einen hohen Durchsatz und eine sehr gute Reproduzierbarkeit. In diesem Projekt wird die vollautomatische Dünnschichtsynthese auf einer Roboteranlage mit Hochdurchsatz-Materialcharakterisierungsmethoden kombiniert, um den Kristallisationsprozess während des Spin Coatings zu untersuchen. Ein tieferes Verständnis der Dünnfilmbildung ist erforderlich, um die Stabilität und die gesamte Performance der Zellen zu verbessern. Eine erfolgreiche Strategie zur Verbesserung der Stabilität ist die Zugabe von Alkalimetall-Ionen. Der Schwerpunkt dieses Projekts liegt auf der Untersuchung der Auswirkungen solcher Elemente auf den Kristallisationsvorgang und die Mikrostruktur von Perowskiten.

Abschlussbericht
Das Ziel des BaCaTeC-Projekts bestand darin, Robotik und künstliche Intelligenz zu integrieren, um die Synthese und Charakterisierung von Perowskit-Solarzellen zu verbessern. Zu diesem Zweck wurde eine vollautomatische Plattform entwickelt und eingesetzt, um die Laborarbeit reproduzierbar und benutzerunabhängig zu gestalten. Dies ist eine wesentliche Voraussetzung, um das enorme Potenzial der Zusammensetzung und der Dünnschichtsynthese von Perowskitmaterialien zu erforschen.

Die wichtigste Errungenschaft des Projekts war die Entwicklung der autonomen Filmsynthese- und Charakterisierungsplattform AiSAC (Autonomous Film Synthesis and Characterization Platform). Dieses durch maschinelles Lernen unterstützte Robotersetup kombiniert die automatisierte Dünnschichtsynthese mit Hochdurchsatz-Charakterisierungsmethoden. Der Schwerpunkt liegt dabei auf dem Kristallisationsprozess während der Schleuderbeschichtung. Proof-of-Principle-Studien zur Kristallisation von FAPbI3 in Luft demonstrierten die Fähigkeiten und das Potenzial von AiSAC für Closed-Loop-Optimierung und inverses Design. Darüber hinaus lieferten Synchrotronmessungen an der Advanced Light Source (ALS) wertvolle Erkenntnisse über die strukturellen Eigenschaften der synthetisierten Schichten.

Dieses Projekt hat nicht nur die Perowskit-Forschung vorangebracht, sondern auch das Repertoire der Molecular Foundry um eine automatisierte Syntheseeinrichtungen erweitert. AiSAC wird kontinuierlich weiterentwickelt und bietet Nutzern die Möglichkeit, die Synthese-Struktur-Eigenschafts-Beziehungen von Dünnschichtmaterialien zu untersuchen.

Die Ergebnisse dieser Forschung sind in zwei begutachteten Publikationen dokumentiert. Darüber hinaus ermöglichte dieses Projekt den Abschluss einer Masterarbeit mit dem Titel "Design and development of AiSAC, a platform for ML-driven and robot-assisted thin film research, and proof-of-principle studies on the crystallization of FAPbI3 in air.”

[1] Halder, Ansuman, et al. "AI-Driven Robot Enables Synthesis-Property Relation Prediction for Metal Halide Perovskites in Humid Atmosphere." Advanced Energy Materials (2025): 2502294.

[2] Singh, Mriganka, et al. "Effect of the precursor chemistry on the crystallization of triple cation mixed halide perovskites." Chemistry of Materials 35.18 (2023): 7450-7459.