JP7203320B2 - 太陽電池の評価装置および太陽電池の評価方法 - Google Patents
太陽電池の評価装置および太陽電池の評価方法 Download PDFInfo
- Publication number
- JP7203320B2 JP7203320B2 JP2018125785A JP2018125785A JP7203320B2 JP 7203320 B2 JP7203320 B2 JP 7203320B2 JP 2018125785 A JP2018125785 A JP 2018125785A JP 2018125785 A JP2018125785 A JP 2018125785A JP 7203320 B2 JP7203320 B2 JP 7203320B2
- Authority
- JP
- Japan
- Prior art keywords
- solar cell
- image
- learning model
- power generation
- generation performance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims description 84
- 238000012545 processing Methods 0.000 claims description 123
- 238000010248 power generation Methods 0.000 claims description 105
- 239000002243 precursor Substances 0.000 claims description 97
- 230000031700 light absorption Effects 0.000 claims description 55
- 238000003384 imaging method Methods 0.000 claims description 52
- 238000006243 chemical reaction Methods 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 30
- 150000001875 compounds Chemical class 0.000 claims description 27
- 238000005286 illumination Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 2
- 238000000576 coating method Methods 0.000 description 44
- 239000011248 coating agent Substances 0.000 description 39
- 230000032258 transport Effects 0.000 description 37
- 230000005525 hole transport Effects 0.000 description 30
- 239000000463 material Substances 0.000 description 26
- 239000000758 substrate Substances 0.000 description 24
- -1 halogen anion Chemical group 0.000 description 20
- 239000007788 liquid Substances 0.000 description 19
- 239000004065 semiconductor Substances 0.000 description 15
- 238000004519 manufacturing process Methods 0.000 description 14
- 229910052751 metal Inorganic materials 0.000 description 14
- 239000000243 solution Substances 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 12
- 150000001768 cations Chemical class 0.000 description 12
- 239000010408 film Substances 0.000 description 12
- ZMXDDKWLCZADIW-UHFFFAOYSA-N N,N-Dimethylformamide Chemical compound CN(C)C=O ZMXDDKWLCZADIW-UHFFFAOYSA-N 0.000 description 10
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 9
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 9
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 8
- 239000011358 absorbing material Substances 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 229910003473 lithium bis(trifluoromethanesulfonyl)imide Inorganic materials 0.000 description 7
- QSZMZKBZAYQGRS-UHFFFAOYSA-N lithium;bis(trifluoromethylsulfonyl)azanide Chemical compound [Li+].FC(F)(F)S(=O)(=O)[N-]S(=O)(=O)C(F)(F)F QSZMZKBZAYQGRS-UHFFFAOYSA-N 0.000 description 7
- 239000003960 organic solvent Substances 0.000 description 7
- 239000002904 solvent Substances 0.000 description 7
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 6
- 229920001167 Poly(triaryl amine) Polymers 0.000 description 5
- JUJWROOIHBZHMG-UHFFFAOYSA-N Pyridine Chemical class C1=CC=NC=C1 JUJWROOIHBZHMG-UHFFFAOYSA-N 0.000 description 5
- 239000013078 crystal Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001035 drying Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 238000004528 spin coating Methods 0.000 description 5
- 239000011135 tin Substances 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 229910052783 alkali metal Inorganic materials 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005229 chemical vapour deposition Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 229910052738 indium Inorganic materials 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 239000002608 ionic liquid Substances 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 4
- 229910052710 silicon Inorganic materials 0.000 description 4
- 238000004544 sputter deposition Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 229910052718 tin Inorganic materials 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052787 antimony Inorganic materials 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000003575 carbonaceous material Substances 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 229910052733 gallium Inorganic materials 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 229910052736 halogen Inorganic materials 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 150000004767 nitrides Chemical class 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 239000011148 porous material Substances 0.000 description 3
- 239000003115 supporting electrolyte Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- UUIMDJFBHNDZOW-UHFFFAOYSA-N 2-tert-butylpyridine Chemical compound CC(C)(C)C1=CC=CC=N1 UUIMDJFBHNDZOW-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- XMWRBQBLMFGWIX-UHFFFAOYSA-N C60 fullerene Chemical class C12=C3C(C4=C56)=C7C8=C5C5=C9C%10=C6C6=C4C1=C1C4=C6C6=C%10C%10=C9C9=C%11C5=C8C5=C8C7=C3C3=C7C2=C1C1=C2C4=C6C4=C%10C6=C9C9=C%11C5=C5C8=C3C3=C7C1=C1C2=C4C6=C2C9=C5C3=C12 XMWRBQBLMFGWIX-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- PXGOKWXKJXAPGV-UHFFFAOYSA-N Fluorine Chemical compound FF PXGOKWXKJXAPGV-UHFFFAOYSA-N 0.000 description 2
- 229910002601 GaN Inorganic materials 0.000 description 2
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 2
- 229920001609 Poly(3,4-ethylenedioxythiophene) Polymers 0.000 description 2
- 229910006404 SnO 2 Inorganic materials 0.000 description 2
- 229910002367 SrTiO Inorganic materials 0.000 description 2
- ZMZDMBWJUHKJPS-UHFFFAOYSA-M Thiocyanate anion Chemical compound [S-]C#N ZMZDMBWJUHKJPS-UHFFFAOYSA-M 0.000 description 2
- 229910010413 TiO 2 Inorganic materials 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 2
- 150000003863 ammonium salts Chemical class 0.000 description 2
- 229910052797 bismuth Inorganic materials 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 229910052793 cadmium Inorganic materials 0.000 description 2
- 150000004770 chalcogenides Chemical class 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- GNTDGMZSJNCJKK-UHFFFAOYSA-N divanadium pentaoxide Chemical compound O=[V](=O)O[V](=O)=O GNTDGMZSJNCJKK-UHFFFAOYSA-N 0.000 description 2
- 239000007772 electrode material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 229910052731 fluorine Inorganic materials 0.000 description 2
- 239000011737 fluorine Substances 0.000 description 2
- 229910021389 graphene Inorganic materials 0.000 description 2
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 2
- 229910052745 lead Inorganic materials 0.000 description 2
- PQXKHYXIUOZZFA-UHFFFAOYSA-M lithium fluoride Chemical compound [Li+].[F-] PQXKHYXIUOZZFA-UHFFFAOYSA-M 0.000 description 2
- 229910052750 molybdenum Inorganic materials 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229910052697 platinum Inorganic materials 0.000 description 2
- 229920000301 poly(3-hexylthiophene-2,5-diyl) polymer Polymers 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- UMJSCPRVCHMLSP-UHFFFAOYSA-N pyridine Natural products COC1=CC=CN=C1 UMJSCPRVCHMLSP-UHFFFAOYSA-N 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000007650 screen-printing Methods 0.000 description 2
- 238000005204 segregation Methods 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 229910052712 strontium Inorganic materials 0.000 description 2
- 150000004763 sulfides Chemical class 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 239000012780 transparent material Substances 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 229910052720 vanadium Inorganic materials 0.000 description 2
- 229910052726 zirconium Inorganic materials 0.000 description 2
- YBNMDCCMCLUHBL-UHFFFAOYSA-N (2,5-dioxopyrrolidin-1-yl) 4-pyren-1-ylbutanoate Chemical compound C=1C=C(C2=C34)C=CC3=CC=CC4=CC=C2C=1CCCC(=O)ON1C(=O)CCC1=O YBNMDCCMCLUHBL-UHFFFAOYSA-N 0.000 description 1
- XDXWNHPWWKGTKO-UHFFFAOYSA-N 207739-72-8 Chemical compound C1=CC(OC)=CC=C1N(C=1C=C2C3(C4=CC(=CC=C4C2=CC=1)N(C=1C=CC(OC)=CC=1)C=1C=CC(OC)=CC=1)C1=CC(=CC=C1C1=CC=C(C=C13)N(C=1C=CC(OC)=CC=1)C=1C=CC(OC)=CC=1)N(C=1C=CC(OC)=CC=1)C=1C=CC(OC)=CC=1)C1=CC=C(OC)C=C1 XDXWNHPWWKGTKO-UHFFFAOYSA-N 0.000 description 1
- SNFCXVRWFNAHQX-UHFFFAOYSA-N 9,9'-spirobi[fluorene] Chemical compound C12=CC=CC=C2C2=CC=CC=C2C21C1=CC=CC=C1C1=CC=CC=C21 SNFCXVRWFNAHQX-UHFFFAOYSA-N 0.000 description 1
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 1
- CPELXLSAUQHCOX-UHFFFAOYSA-M Bromide Chemical compound [Br-] CPELXLSAUQHCOX-UHFFFAOYSA-M 0.000 description 1
- 229910004613 CdTe Inorganic materials 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 239000001856 Ethyl cellulose Substances 0.000 description 1
- ZZSNKZQZMQGXPY-UHFFFAOYSA-N Ethyl cellulose Chemical compound CCOCC1OC(OC)C(OCC)C(OCC)C1OC1C(O)C(O)C(OC)C(CO)O1 ZZSNKZQZMQGXPY-UHFFFAOYSA-N 0.000 description 1
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 1
- GYHNNYVSQQEPJS-UHFFFAOYSA-N Gallium Chemical compound [Ga] GYHNNYVSQQEPJS-UHFFFAOYSA-N 0.000 description 1
- JMASRVWKEDWRBT-UHFFFAOYSA-N Gallium nitride Chemical compound [Ga]#N JMASRVWKEDWRBT-UHFFFAOYSA-N 0.000 description 1
- RAXXELZNTBOGNW-UHFFFAOYSA-O Imidazolium Chemical compound C1=C[NH+]=CN1 RAXXELZNTBOGNW-UHFFFAOYSA-O 0.000 description 1
- 229910001290 LiPF6 Inorganic materials 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- BAVYZALUXZFZLV-UHFFFAOYSA-O Methylammonium ion Chemical compound [NH3+]C BAVYZALUXZFZLV-UHFFFAOYSA-O 0.000 description 1
- 229910015711 MoOx Inorganic materials 0.000 description 1
- SECXISVLQFMRJM-UHFFFAOYSA-N N-Methylpyrrolidone Chemical compound CN1CCCC1=O SECXISVLQFMRJM-UHFFFAOYSA-N 0.000 description 1
- 229910005855 NiOx Inorganic materials 0.000 description 1
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical compound [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 229910003090 WSe2 Inorganic materials 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 229910000272 alkali metal oxide Inorganic materials 0.000 description 1
- 150000001340 alkali metals Chemical class 0.000 description 1
- 229910052784 alkaline earth metal Inorganic materials 0.000 description 1
- 150000001342 alkaline earth metals Chemical class 0.000 description 1
- 125000005360 alkyl sulfoxide group Chemical group 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 150000001408 amides Chemical class 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- WATWJIUSRGPENY-UHFFFAOYSA-N antimony atom Chemical compound [Sb] WATWJIUSRGPENY-UHFFFAOYSA-N 0.000 description 1
- 239000003125 aqueous solvent Substances 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000007611 bar coating method Methods 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 229910052796 boron Inorganic materials 0.000 description 1
- XLKNMWIXNFVJRR-UHFFFAOYSA-N boron potassium Chemical compound [B].[K] XLKNMWIXNFVJRR-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- UHYPYGJEEGLRJD-UHFFFAOYSA-N cadmium(2+);selenium(2-) Chemical compound [Se-2].[Cd+2] UHYPYGJEEGLRJD-UHFFFAOYSA-N 0.000 description 1
- NCMHKCKGHRPLCM-UHFFFAOYSA-N caesium(1+) Chemical compound [Cs+] NCMHKCKGHRPLCM-UHFFFAOYSA-N 0.000 description 1
- WUKWITHWXAAZEY-UHFFFAOYSA-L calcium difluoride Chemical compound [F-].[F-].[Ca+2] WUKWITHWXAAZEY-UHFFFAOYSA-L 0.000 description 1
- 229910001634 calcium fluoride Inorganic materials 0.000 description 1
- 229940006165 cesium cation Drugs 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- PDZKZMQQDCHTNF-UHFFFAOYSA-M copper(1+);thiocyanate Chemical compound [Cu+].[S-]C#N PDZKZMQQDCHTNF-UHFFFAOYSA-M 0.000 description 1
- BERDEBHAJNAUOM-UHFFFAOYSA-N copper(I) oxide Inorganic materials [Cu]O[Cu] BERDEBHAJNAUOM-UHFFFAOYSA-N 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- KRFJLUBVMFXRPN-UHFFFAOYSA-N cuprous oxide Chemical compound [O-2].[Cu+].[Cu+] KRFJLUBVMFXRPN-UHFFFAOYSA-N 0.000 description 1
- ZBCBWPMODOFKDW-UHFFFAOYSA-N diethanolamine Chemical compound OCCNCCO ZBCBWPMODOFKDW-UHFFFAOYSA-N 0.000 description 1
- AJNVQOSZGJRYEI-UHFFFAOYSA-N digallium;oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Ga+3].[Ga+3] AJNVQOSZGJRYEI-UHFFFAOYSA-N 0.000 description 1
- 238000003618 dip coating Methods 0.000 description 1
- 238000007606 doctor blade method Methods 0.000 description 1
- 229920001249 ethyl cellulose Polymers 0.000 description 1
- 235000019325 ethyl cellulose Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910003472 fullerene Inorganic materials 0.000 description 1
- 229910001195 gallium oxide Inorganic materials 0.000 description 1
- 150000004820 halides Chemical class 0.000 description 1
- 150000002391 heterocyclic compounds Chemical class 0.000 description 1
- XMBWDFGMSWQBCA-UHFFFAOYSA-N hydrogen iodide Chemical compound I XMBWDFGMSWQBCA-UHFFFAOYSA-N 0.000 description 1
- 150000004693 imidazolium salts Chemical class 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- RHZWSUVWRRXEJF-UHFFFAOYSA-N indium tin Chemical compound [In].[Sn] RHZWSUVWRRXEJF-UHFFFAOYSA-N 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 150000002596 lactones Chemical class 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- MHCFAGZWMAWTNR-UHFFFAOYSA-M lithium perchlorate Chemical compound [Li+].[O-]Cl(=O)(=O)=O MHCFAGZWMAWTNR-UHFFFAOYSA-M 0.000 description 1
- 229910001486 lithium perchlorate Inorganic materials 0.000 description 1
- 229910001496 lithium tetrafluoroborate Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000000395 magnesium oxide Substances 0.000 description 1
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 1
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 239000012046 mixed solvent Substances 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- 229910052758 niobium Inorganic materials 0.000 description 1
- 239000010955 niobium Substances 0.000 description 1
- GUCVJGMIXFAOAE-UHFFFAOYSA-N niobium atom Chemical compound [Nb] GUCVJGMIXFAOAE-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 150000002892 organic cations Chemical class 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002985 plastic film Substances 0.000 description 1
- 229920006255 plastic film Polymers 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 239000011164 primary particle Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 150000004053 quinones Chemical class 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 229910052703 rhodium Inorganic materials 0.000 description 1
- 239000010948 rhodium Substances 0.000 description 1
- MHOVAHRLVXNVSD-UHFFFAOYSA-N rhodium atom Chemical compound [Rh] MHOVAHRLVXNVSD-UHFFFAOYSA-N 0.000 description 1
- 229910052701 rubidium Inorganic materials 0.000 description 1
- NCCSSGKUIKYAJD-UHFFFAOYSA-N rubidium(1+) Chemical compound [Rb+] NCCSSGKUIKYAJD-UHFFFAOYSA-N 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 229910052959 stibnite Inorganic materials 0.000 description 1
- KBLZDCFTQSIIOH-UHFFFAOYSA-M tetrabutylazanium;perchlorate Chemical compound [O-]Cl(=O)(=O)=O.CCCC[N+](CCCC)(CCCC)CCCC KBLZDCFTQSIIOH-UHFFFAOYSA-M 0.000 description 1
- XOLBLPGZBRYERU-UHFFFAOYSA-N tin dioxide Chemical compound O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 1
- 229910001887 tin oxide Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000001771 vacuum deposition Methods 0.000 description 1
- 239000011787 zinc oxide Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/549—Organic PV cells
Landscapes
- Photovoltaic Devices (AREA)
Description
本開示は、太陽電池の評価装置および太陽電池の評価方法に関する。
近年、塗布型太陽電池の一例として、ペロブスカイト太陽電池の研究開発が進められている。「塗布型太陽電池」とは、塗布液を用いて作製された光吸収層を備える太陽電池を意味する。ペロブスカイト太陽電池は、光吸収材料としてＡＢＸ3（Ａは１価のカチオン、Ｂは２価のカチオン、Ｘはハロゲンアニオン）で示されるペロブスカイト型結晶、およびその類似の構造体（以下、「ペロブスカイト化合物」と呼ぶ）を用いている。ペロブスカイト太陽電池の光吸収層は、例えば、光吸収材料を含む塗布液を用いて作製される。
非特許文献１には、ペロブスカイト太陽電池の光吸収材料として、（Ｃｓ，ＣＨ3ＮＨ3，ＨＣ（ＮＨ2）2）ＰｂＩ3（以下、「（Ｃｓ，ＭＡ，ＦＡ）ＰｂＩ3」と省略することがある）で示されるペロブスカイト化合物を用いた太陽電池が報告されている。
特許文献１には、基板上に薄膜が積層された太陽電池パネルの画像を撮像し、得られた画像の色むらを解析することによって、薄膜の膜厚データを生成する検査装置が開示されている。
Ｍｉｃｈａｅｌ Ｓａｌｉｂａ、外１０名、「Ｉｎｃｏｒｐｏｒａｔｉｏｎ ｏｆ ｒｕｂｉｄｉｕｍ ｃａｔｉｏｎｓ ｉｎｔｏ ｐｅｒｏｖｓｋｉｔｅ ｓｏｌａｒ ｃｅｌｌｓ ｉｍｐｒｏｖｅｓ ｐｈｏｔｏｖｏｌｔａｉｃ ｐｅｒｆｏｒｍａｎｃｅ」、Ｓｃｉｅｎｃｅ（米国）、２０１６年９月、第３５４巻、第６３０９号、ｐ．２０６－２０９
太陽電池の発電性能を簡便に評価するための技術が求められている。
本開示の限定的でない例示的なある態様は、太陽電池の発電性能を簡便に評価する評価装置を提供する。
本開示の一態様は、
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価する画像処理部を備えた、太陽電池の評価装置を提供する。
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価する画像処理部を備えた、太陽電池の評価装置を提供する。
包括的または具体的な態様は、素子、デバイス、モジュール、システム、集積回路、方法またはコンピュータプログラムで実現されてもよい。包括的または具体的な態様は、素子、デバイス、モジュール、システム、集積回路、方法およびコンピュータプログラムの任意の組み合わせによって実現されてもよい。
開示された実施形態の追加的な効果および利点は、明細書および図面から明らかになる。効果および／または利点は、明細書および図面に開示の様々な実施形態または特徴によって個々に提供され、これらの１つ以上を得るために全てを必要とはしない。
本開示の一態様によれば、太陽電池の発電性能を簡便に評価する評価装置を提供することができる。
＜本開示の基礎となった知見＞
本開示の基礎となった知見は以下のとおりである。
本開示の基礎となった知見は以下のとおりである。
複数の塗布型太陽電池を互いに同じ条件で作製した場合であっても、複数の塗布型太陽電池の発電性能が互いに大きく異なることがある。複数の塗布型太陽電池の発電性能が互いに大きく異なることについて、例えば、以下の原因が考えられる。塗布型太陽電池において、光吸収層は、塗布法によって作製される。塗布法における乾燥条件、塗布法によって塗布された塗布液の基板上での広がり方などに応じて、光吸収層内での光吸収材料の結晶の偏り、または、光吸収層の膜厚の偏りが生じることがある。複数の塗布型太陽電池において、光吸収層内での光吸収材料の結晶の偏り、または、光吸収層の膜厚の偏りが互いに異なることがある。このとき、複数の塗布型太陽電池の発電性能が互いに異なると考えられる。塗布型太陽電池では、光吸収層において、添加物または不純物相が偏析することもある。光吸収層内での光吸収材料の結晶の偏り、光吸収層の膜厚の偏り、光吸収層における添加物または不純物相の偏析などは、光吸収層の色むらとして表れる。そのため、光吸収層の色むらに基づいて、塗布型太陽電池の発電性能を簡便に評価できれば、その技術は有用である。
従来の太陽電池パネルの検査装置では、特許文献１に記載されている装置のように、照明器は、太陽電池パネルに対して撮像部が位置する側と同じ側に配置されている。そのため、照明器から照射された光は、太陽電池パネルの表面で反射し、撮像部に入射する。反射光を用いて撮像された太陽電池パネルの画像には、太陽電池パネルの表面状態の情報のみが反映される。すなわち、反射光を用いて撮像された太陽電池パネルの画像から、太陽電池内部にある光吸収層の内部の情報を得ることはできない。そのため、従来の検査装置では、太陽電池パネルの発電性能を高い精度で評価することは難しい。
＜本開示に係る一態様の概要＞
本開示の第１の態様に係る太陽電池の評価装置は、
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価する画像処理部を備えたものである。
本開示の第１の態様に係る太陽電池の評価装置は、
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価する画像処理部を備えたものである。
第１の態様によれば、画像処理部は、太陽電池の発電性能の評価に、透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像を利用する。そのため、画像処理部によれば、太陽電池または太陽電池の前駆体の内部の情報に基づいて、太陽電池の発電性能を評価することができる。これにより、第１の態様の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第２の態様において、例えば、第１の態様に係る太陽電池の評価装置では、前記画像処理部は、(i)第１学習モデルで前記第１画像を処理することによって、前記太陽電池の前記発電性能を評価する、および、(ii)第２学習モデルで前記第２画像を処理することによって、前記太陽電池の前記発電性能を評価する、からなる群より選ばれる少なくとも１つを行い、前記第１学習モデルは、透過光を用いて撮像された学習モデル用太陽電池の画像と前記学習モデル用太陽電池の発電性能との関係を示し、前記第２学習モデルは、透過光を用いて撮像された前記学習モデル用太陽電池の前駆体の画像と前記学習モデル用太陽電池の前記発電性能との関係を示していてもよい。第２の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第３の態様において、例えば、第２の態様に係る太陽電池の評価装置では、前記画像処理部は、前記学習モデル用太陽電池の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第１学習データを学習することによって、前記第１学習モデルを生成してもよい。第３の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第４の態様において、例えば、第２の態様に係る太陽電池の評価装置では、前記画像処理部は、前記学習モデル用太陽電池の前記前駆体の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第２学習データを学習することによって、前記第２学習モデルを生成してもよい。第４の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第５の態様において、例えば、第２から第４の態様のいずれか１つに係る太陽電池の評価装置では、前記画像処理部は、畳み込みニューラルネットワークを用いて、前記第１学習モデルおよび前記第２学習モデルからなる群より選ばれる少なくとも１つの学習モデルを生成してもよい。第５の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第６の態様において、例えば、第１から第５の態様のいずれか１つに係る太陽電池の評価装置は、前記太陽電池または前記太陽電池の前記前駆体を撮像する撮像部をさらに備えていてもよい。第６の態様によれば、撮像部によって、第１画像または第２画像を取得できる。
本開示の第７の態様において、例えば、第６の態様に係る太陽電池の評価装置は、前記撮像部によって前記太陽電池または前記太陽電池の前記前駆体を撮像するときに、前記太陽電池または前記太陽電池の前記前駆体に対して、前記撮像部とは反対側に位置するとともに、前記太陽電池または前記太陽電池の前記前駆体に光を照射する照明部をさらに備えていてもよい。第７の態様の太陽電池の評価装置は、第１画像または第２画像を取得できる。
本開示の第８の態様において、例えば、第１から第７の態様のいずれか１つに係る太陽電池の評価装置は、前記画像処理部によって評価された前記太陽電池の前記発電性能の情報を出力する出力部をさらに備えていてもよい。第８の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第９の態様において、例えば、第１から第８の態様のいずれか１つに係る太陽電池の評価装置は、透過光を用いて撮像された学習モデル用太陽電池の画像と前記学習モデル用太陽電池の発電性能とが対応付けられた第１学習データ、および、透過光を用いて撮像された前記学習モデル用太陽電池の前駆体の画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第２学習データからなる群より選ばれる少なくとも１つの学習データを記憶する記憶部をさらに備えていてもよい。第９の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第１０の態様において、例えば、第１から第９の態様のいずれか１つに係る太陽電池の評価装置では、前記太陽電池および前記太陽電池の前記前駆体は、ペロブスカイト化合物を含む光吸収層を備えていてもよい。第１０の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第１１の態様において、例えば、第１から第１０の態様のいずれか１つに係る太陽電池の評価装置では、前記太陽電池の前記発電性能は、変換効率、短絡電流密度、開放電圧、曲線因子、シリーズ抵抗、シート抵抗、ヒステリシス、電流電圧カーブ、および、これらの経時変化からなる群より選ばれる少なくとも１つであってもよい。第１１の態様の太陽電池の評価装置は、太陽電池の発電性能を簡便かつ高い精度で評価できる。
本開示の第１２の態様に係る太陽電池の評価方法は、
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価することを含むものである。
透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価することを含むものである。
第１２の態様によれば、太陽電池または太陽電池の前駆体の内部の情報に基づいて、太陽電池の発電性能を評価することができる。第１２の態様の評価方法によれば、太陽電池の発電性能を簡便かつ高い精度で評価できる。
＜本開示の実施形態＞
以下、本開示の実施形態を、図面を参照しながら詳細に説明する。なお、以下の実施形態は一例であり、本開示は以下の実施形態に限定されない。
以下、本開示の実施形態を、図面を参照しながら詳細に説明する。なお、以下の実施形態は一例であり、本開示は以下の実施形態に限定されない。
［実施形態１］
（太陽電池の評価装置）
図１に示すように、本実施形態の太陽電池の評価装置１００は、画像処理部２０を備える。画像処理部２０は、透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、太陽電池の発電性能を評価する。太陽電池および前駆体は、ペロブスカイト化合物を含む光吸収層を備える。詳細には、太陽電池は、第１電極と、第１電極に対向する第２電極と、第１電極と第２電極との間に位置し、かつペロブスカイト化合物を含む光吸収層と、を備えたものを意味する。第１電極および第２電極のそれぞれは、光が透過する領域を有する。「光が透過する領域」の語は、２００～２０００ｎｍの波長の光のうち、いずれかの波長において、１０％以上の光が透過する領域のことを意味する。光吸収層は、例えば、透光性を有する。「透光性を有する」の語は、２００～２０００ｎｍの波長を有する光のうち、いずれかの波長において、１０％以上の光が透過することを意味する。光吸収層に含まれるペロブスカイト化合物のバンドギャップは、例えば、１．１ｅＶ以上である。そのため、光吸収層は、例えば、赤色の光に対して透光性を有する。後述するとおり、太陽電池は、電子輸送層、多孔質層および正孔輸送層をさらに備えていることがある。電子輸送層、多孔質層および正孔輸送層のそれぞれは、例えば、透光性を有する。太陽電池の前駆体は、第１電極と、第１電極の上に位置し、かつペロブスカイト化合物を含む光吸収層と、を備えたものを意味する。前駆体は、第１電極のみを電極として備える。第１画像および第２画像のそれぞれは、静止画像であってもよく、動画像であってもよい。
（太陽電池の評価装置）
図１に示すように、本実施形態の太陽電池の評価装置１００は、画像処理部２０を備える。画像処理部２０は、透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、太陽電池の発電性能を評価する。太陽電池および前駆体は、ペロブスカイト化合物を含む光吸収層を備える。詳細には、太陽電池は、第１電極と、第１電極に対向する第２電極と、第１電極と第２電極との間に位置し、かつペロブスカイト化合物を含む光吸収層と、を備えたものを意味する。第１電極および第２電極のそれぞれは、光が透過する領域を有する。「光が透過する領域」の語は、２００～２０００ｎｍの波長の光のうち、いずれかの波長において、１０％以上の光が透過する領域のことを意味する。光吸収層は、例えば、透光性を有する。「透光性を有する」の語は、２００～２０００ｎｍの波長を有する光のうち、いずれかの波長において、１０％以上の光が透過することを意味する。光吸収層に含まれるペロブスカイト化合物のバンドギャップは、例えば、１．１ｅＶ以上である。そのため、光吸収層は、例えば、赤色の光に対して透光性を有する。後述するとおり、太陽電池は、電子輸送層、多孔質層および正孔輸送層をさらに備えていることがある。電子輸送層、多孔質層および正孔輸送層のそれぞれは、例えば、透光性を有する。太陽電池の前駆体は、第１電極と、第１電極の上に位置し、かつペロブスカイト化合物を含む光吸収層と、を備えたものを意味する。前駆体は、第１電極のみを電極として備える。第１画像および第２画像のそれぞれは、静止画像であってもよく、動画像であってもよい。
画像処理部２０は、例えば、後述する学習処理を実行する情報処理機器である。情報処理機器としては、例えば、スマートデバイス、デスクトップＰＣ（Personal Computer）およびノートＰＣが挙げられる。画像処理部２０は、Ａ／Ｄ変換回路、入出力回路、演算回路、メモリなどを含むＤＳＰ（Digital Signal Processor）であってもよい。画像処理部２０には、第１画像または第２画像を適切に処理するためのプログラムが格納されている。画像処理部２０は、サーバまたはクラウドシステムにより実現されてもよい。画像処理部２０は、例えば、後述する学習データから、透過光を用いて撮像された学習モデル用太陽電池の画像と学習モデル用太陽電池の発電性能との関係性、または、透過光を用いて撮像された学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能との関係性を学習し、学習モデルを生成する。学習モデル用太陽電池とは、学習モデルの生成に用いられる学習データを作成するための太陽電池を意味する。学習モデルを用いて第１画像または第２画像を処理することによって、太陽電池の発電性能を予測することができる。これにより、太陽電池の発電性能を評価できる。画像処理部２０は、例えば、学習モデル読み込みモジュール、画像読み込みモジュール、画像処理モジュール、画像受付モジュール、演算モジュールおよび出力モジュールの手段または機能を備える。
評価装置１００は、撮像部３０をさらに備えていてもよい。撮像部３０は、例えば、画像処理部２０に接続されている。撮像部３０は、太陽電池または太陽電池の前駆体を撮像する。撮像部３０は、太陽電池または太陽電池の前駆体を撮像することによって得られた信号に基づき、第１画像または第２画像を生成する機能を有していてもよい。第１画像または第２画像は、撮像部３０から出力された信号に基づき、画像処理部２０によって生成されてもよい。
図１に示すように、撮像部３０によって太陽電池１０または太陽電池１０の前駆体を撮像するとき、太陽電池１０または太陽電池１０の前駆体は、例えば、撮像部３０の下方に配置される。なお、図１では、太陽電池１０を撮像する例が示されている。撮像部３０は、太陽電池１０または太陽電池１０の前駆体の主面全体を撮像できる位置に配置されている。主面は、太陽電池１０または太陽電池１０の前駆体の最も広い面積を有する面である。太陽電池１０または前駆体は、太陽電池１０または前駆体の中央部と、撮像部３０とが、太陽電池１０または前駆体の主面に対して垂直の方向に並ぶように配置されてもよい。撮像部３０は、可視光全域に対して感度を有するカメラであってもよく、特定の波長領域の光のみに対して感度を有するカメラであってもよい。撮像部３０は、例えば、３００ｎｍから５００ｎｍの波長領域の光に対して感度を有する近紫外カメラであってもよい。撮像部３０は、例えば、７００ｎｍから１２００ｎｍの波長領域の光に対して感度を有する近赤外カメラであってもよい。
評価装置１００は、照明部４０をさらに備えていてもよい。照明部４０は、撮像部３０によって太陽電池１０または太陽電池１０の前駆体を撮像するときに、太陽電池１０または太陽電池１０の前駆体に対して、撮像部３０とは反対側に位置する。図１では、撮像部３０が太陽電池１０または太陽電池１０の前駆体の上方に位置する。照明部４０が太陽電池１０または太陽電池１０の前駆体の下方に位置する。照明部４０は、太陽電池１０または太陽電池１０の前駆体に光を照射する。照明部４０から照射された光は、太陽電池１０または太陽電池１０の前駆体を透過し、撮像部３０に入射する。これにより、撮像部３０は、透過光を用いて太陽電池１０または太陽電池１０の前駆体を撮像することができる。撮像部３０および照明部４０によれば、光吸収層の色むらの情報が反映された第１画像または第２画像を取得することができる。第１画像または第２画像を画像処理部２０で処理することによって太陽電池１０の発電性能を予測できる。
照明部４０は、光を照射できるものであれば特に限定されない。照明部４０は、例えば、発光ダイオード（ＬＥＤ）、スーパールミネッセントダイオード（ＳＬＤ）、レーザーダイオード（ＬＤ）などの半導体発光素子である。照明部４０は、例えば、蛍光灯であってもよい。照明部４０は、評価対象の太陽電池１０または太陽電池１０の前駆体の主面の面積と同程度の大きさの面積を有する発光面を備えていてもよい。照明部４０は、白色光を照射してもよく、特定の波長の光を照射してもよい。照明部４０は、３００ｎｍから５００ｎｍの波長の光を照射してもよい。この波長領域の光で太陽電池１０または太陽電池１０の前駆体を撮像すると、光吸収層の膜厚のむらの情報が第１画像または第２画像に顕著に表れる。照明部４０は、７００ｎｍから１２００ｎｍの波長の光を照射してもよい。この波長領域の光で太陽電池１０または太陽電池１０の前駆体を撮像すると、光吸収層内での光吸収材料の結晶の偏り、光吸収層の膜厚の偏り、または、添加物もしくは不純物相の偏析の情報が第１画像または第２画像に顕著に表れる。
評価装置１００は、記憶部５０をさらに備えていてもよい。記憶部５０は、例えば、画像処理部２０に接続されている。記憶部５０は、透過光を用いて撮像された学習モデル用太陽電池の画像と学習モデル用太陽電池の発電性能とが対応付けられた第１学習データ、および、透過光を用いて撮像された学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能とが対応付けられた第２学習データからなる群より選ばれる少なくとも１つの学習データを記憶する。記憶部５０は、画像処理部２０によって生成された学習モデルを記憶していてもよい。記憶部５０は、例えば、サーバまたはクラウドシステムにより実現される。画像処理部２０が記憶部として機能してもよい。
評価装置１００は、出力部６０をさらに備えていてもよい。出力部６０は、例えば、画像処理部２０に接続されている。出力部６０は、画像処理部２０によって評価された太陽電池１０の発電性能の情報を出力する。出力部６０は、第１画像または第２画像を出力することもできる。出力部６０としては、モニタ（ディスプレイ）、タッチパネル、プリンタなどが挙げられる。図１では、出力部６０としてモニタが示されている。スマートデバイス、デスクトップＰＣ、ノートＰＣなどの情報処理機器が、画像処理部２０および出力部６０を兼ねていてもよい。出力部６０によって出力される発電性能は、例えば、変換効率、短絡電流密度、開放電圧、曲線因子、シリーズ抵抗、シート抵抗、ヒステリシス、電流電圧カーブ、および、これらの経時変化からなる群より選ばれる少なくとも１つである。ヒステリシスは、順方向の電流電圧カーブと逆方向の電流電圧カーブとのヒステリシスを含む。電流電圧カーブは、太陽電池１０に光を照射したときの電流電圧カーブ、および、太陽電池１０に光を照射していないときの電流電圧カーブを含む。変換効率の経時変化の指標としては、例えば、変換効率の維持率が挙げられる。
評価装置１００は、画像処理部２０に対して指令を与えるための入力部をさらに備えていてもよい。入力部としては、マウス、キーボード、タッチパッド、タッチパネルなどが挙げられる。
評価装置１００は、撮像部３０を操作するためのスイッチ７０をさらに備えていてもよい。スイッチ７０は、例えば、画像処理部２０に接続されている。スイッチ７０は、画像処理部２０を介して撮像部３０に接続されている。スイッチ７０は、画像処理部２０を通じて、撮像部３０に信号を送信する。スイッチ７０は、撮像部３０に直接接続されていてもよい。その場合、スイッチ７０は、撮像部３０に信号を直接送信する。
（太陽電池の評価方法）
次に、評価装置１００を用いた太陽電池１０の評価方法を説明する。
次に、評価装置１００を用いた太陽電池１０の評価方法を説明する。
太陽電池１０の評価方法は、例えば、透過光を用いて撮像された太陽電池１０の第１画像、および、透過光を用いて撮像された太陽電池１０の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、太陽電池１０の発電性能を評価することを含む。太陽電池１０の評価方法は、透過光を用いて太陽電池１０を撮像することによって、太陽電池１０の第１画像を得ることをさらに含んでいてもよく、透過光を用いて太陽電池１０の前駆体を撮像することによって、前駆体の第２画像を得ることをさらに含んでいてもよい。
太陽電池１０の評価方法では、まず、太陽電池１０または太陽電池１０の前駆体を所定の位置に配置する。次に、スイッチ７０をオンにする。これにより、スイッチ７０から画像処理部２０に信号が送信される。画像処理部２０は、スイッチ７０からの信号を受信すると、撮像部３０に信号を送信する。撮像部３０は、画像処理部２０からの信号を受信すると、太陽電池１０または太陽電池１０の前駆体を撮像する。このとき、照明部４０は、太陽電池１０または太陽電池１０の前駆体に光を照射している。撮像部３０は、第１画像または第２画像を生成する。撮像部３０は、第１画像または第２画像を画像処理部２０に送信する。画像処理部２０は、第１画像または第２画像から太陽電池１０の発電性能を予測することによって、発電性能を評価する。画像処理部２０は、得られた評価結果を出力部６０に送信する。出力部６０は、受信した評価結果を出力する。
評価装置１００では、画像処理部２０は、太陽電池の発電性能の評価に、透過光を用いて撮像された太陽電池１０の第１画像、および、透過光を用いて撮像された太陽電池１０の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像を利用する。そのため、画像処理部２０によれば、太陽電池１０または太陽電池１０の前駆体の内部の情報に基づいて、太陽電池１０の発電性能を評価することができる。これにより、太陽電池１０の発電性能を簡便に評価できる。評価装置１００によれば、太陽電池１０の発電性能を得るために、太陽電池１０を疑似太陽光下で動作させる必要がない。評価装置１００によれば、太陽電池１０と太陽電池１０にバイアス電圧を印加するための装置とを接続する必要がない。評価装置１００によれば、第１画像または第２画像から太陽電池１０の発電性能を評価できるため、比較的短い時間で太陽電池１０の評価を行うことができる。さらに、評価装置１００によれば、前駆体の第２画像に基づいて、太陽電池１０の発電性能を評価できる。第２画像から評価された発電性能が十分でない場合、前駆体から太陽電池１０を作製する必要がない。そのため、太陽電池１０を作製するための材料の消費を抑制できる。
（画像処理部による学習処理および出力処理）
次に、画像処理部２０によって、太陽電池１０の発電性能を評価する具体的な方法の例を説明する。この例において、画像処理部２０では、学習処理および出力処理が実施される。
次に、画像処理部２０によって、太陽電池１０の発電性能を評価する具体的な方法の例を説明する。この例において、画像処理部２０では、学習処理および出力処理が実施される。
図２は、画像処理部２０による学習処理および出力処理の概要を示している。まず、画像処理部２０による学習処理を説明する。画像処理部２０は、記憶部５０に記憶された第１学習データまたは第２学習データを記憶部５０から受け取る。上述のとおり、第１学習データは、透過光を用いて撮像された学習モデル用太陽電池の画像と学習モデル用太陽電池の発電性能とが対応付けられた学習データである。第２学習データは、透過光を用いて撮像された学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能とが対応付けられた学習データである。第１学習データまたは第２学習データは、例えば、複数の画像と、複数の画像のそれぞれに対応付けられた複数の発電性能とを含む。
第１学習データまたは第２学習データにおける画像は、静止画像であってもよく、動画像であってもよい。第１学習データまたは第２学習データにおける画像は、例えば、評価装置１００の撮像部３０によって、あらかじめ撮像された画像である。第１学習データにおける発電性能は、例えば、画像に表示された学習モデル用太陽電池を疑似太陽光下で動作させることによって得られる。第２学習データにおける発電性能は、例えば、画像に表示された前駆体から作製された学習モデル用太陽電池を疑似太陽光下で動作させることによって得られる。第１学習データまたは第２学習データにおける発電性能は、例えば、変換効率、短絡電流密度、開放電圧、曲線因子、シリーズ抵抗およびシート抵抗からなる群より選ばれる少なくとも１つの数値データである。
第１学習データまたは第２学習データは、任意の機械学習に用いることを目的として、任意の作成者によって試作、作成および登録されたものであってもよい。第１学習データまたは第２学習データは、公知の文献などから得られたものであってもよい。第１学習データまたは第２学習データにおける画像には、光吸収層を作製するときの光吸収材料を含む塗布液の塗布条件、塗布液を塗布することによって得られた塗布膜の乾燥条件、または、基板のラフネスがさらに対応付けられていてもよい。塗布液の塗布条件としては、塗布液の塗布速度および塗布温度が挙げられる。塗布膜の乾燥条件としては、乾燥速度、乾燥温度および湿度が挙げられる。
次に、画像処理部２０は、第１学習データを用いて、透過光を用いて撮像された学習モデル用太陽電池の画像と学習モデル用太陽電池の発電性能との関連性を学習し、第１学習モデルを生成する、または、第２学習データを用いて、透過光を用いて撮像された学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能との関連性を学習し、第２学習モデルを生成する。第１学習モデルまたは第２学習モデルは、記憶部５０または画像処理部２０に記憶される。
次に、画像処理部２０による出力処理を説明する。まず、撮像部３０が太陽電池１０または太陽電池１０の前駆体を撮像する。撮像部３０は、得られた第１画像または第２画像を画像処理部２０に送信する。画像処理部２０は、撮像部３０から受信した第１画像を第１学習モデルに入力する、または、撮像部３０から受信した第２画像を第２学習モデルに入力する。画像処理部２０は、(i)第１学習モデルで第１画像を処理することによって、太陽電池の発電性能を評価する、および、(ii)第２学習モデルで第２画像を処理することによって、太陽電池の発電性能を評価する、からなる群より選ばれる少なくとも１つを行う。第１学習モデルは、透過光を用いて撮像された学習モデル用太陽電池の画像と学習モデル用太陽電池の発電性能との関係を示している。第２学習モデルは、透過光を用いて撮像された学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能との関係を示している。画像処理部２０は、評価された発電性能を出力部６０に送信する。出力部６０は、受信した発電性能の情報を出力する。
学習処理では、画像処理部２０は、記憶部５０から第１学習データまたは第２学習データを読み込む。画像処理部２０は、例えば、深層学習によって、学習モデル用太陽電池の画像または学習モデル用太陽電池の前駆体の画像と学習モデル用太陽電池の発電性能との関連性を学習し、学習モデルを生成する。深層学習は、例えば、畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）である。画像処理部２０は、例えば、畳み込みニューラルネットワークを用いて、第１学習モデルおよび第２学習モデルからなる群より選ばれる少なくとも１つの学習モデルを生成する。後述のとおり、深層学習によって生成された第１学習モデルまたは第２学習モデルは、複数のノードを有する複数の層を含んでいる。画像処理部２０は、機械学習によって、第１学習モデルおよび第２学習モデルからなる群より選ばれる少なくとも１つの学習モデルを生成してもよい。機械学習としては、単純なニューラルネットワーク（ＮＮ：Neural Network）、ランダムフォレスト（ＲＦ：random forest）分析、サポートベクターマシン（ＳＶＭ：support vector machine）などが挙げられる。
機械学習によって、第１学習データまたは第２学習データを学習するとき、画像は、一次元のデータとして扱われる。そのため、このような機械学習では、画像内で対象物が所定の位置からずれている場合、または、対象物の向きが所定の向きと異なる向きである場合に、精度の高い学習モデルを生成できないことがある。これに対して、畳み込みニューラルネットワークに代表される深層学習では、入力された画像を二次元のデータとして扱うことができる。そのため、深層学習によれば、画像内で対象物が所定の位置からずれている場合、または、対象物の向きが所定の向きと異なる向きである場合であっても、画像内における対象物を正しく認識し、精度の高い学習モデルを生成できる。
深層学習によって生成された学習モデルに第１画像または第２画像を入力すれば、太陽電池の変換効率などの発電性能を高い精度で評価できる。深層学習によって生成された学習モデルによれば、変換効率を学習モデルに入力することによって、その変換効率を示す学習モデル用太陽電池の画像または当該画像に類似する画像を学習データから検索または生成することもできる。
次に、図３のフローチャートを参照して、画像処理部２０による出力処理を詳細に説明する。まず、ステップＳ１では、画像処理部２０の学習モデル読み込みモジュールが、第１学習モデルまたは第２学習モデルを読み込む。学習モデルの読み込みとは、画像処理部２０について、第１学習モデルまたは第２学習モデルを用いた演算を実施可能な状態に準備することをいう。次に、ステップＳ２では、画像処理部２０の画像読み込みモジュールが、第１画像または第２画像を読み込む。
次に、ステップＳ３では、画像処理部２０の画像処理モジュールが、第１画像または第２画像を回転またはトリミングする。詳細には、画像処理モジュールは、第１画像から、太陽電池１０の外周縁と、光が太陽電池１０を透過しない領域とを抽出する。画像処理モジュールは、第１画像内における太陽電池１０の位置および向きを調整するために、第１画像を回転させる。画像処理モジュールは、トリミングによって、光が太陽電池１０を透過する領域のみを第１画像から抽出する。同様に、画像処理モジュールは、第２画像から、前駆体の外周縁と、光が前駆体を透過しない領域とを抽出する。画像処理モジュールは、第２画像内における前駆体の位置および向きを調整するために、第２画像を回転させる。画像処理モジュールは、トリミングによって、光が前駆体を透過する領域のみを第２画像から抽出する。画像処理モジュールによれば、第１画像または第２画像を単純化できる。これにより、太陽電池１０の発電性能の予測精度の向上を図ることができる。画像処理モジュールによる第１画像または第２画像の回転またはトリミングの操作は省略されてもよい。
次に、ステップＳ４では、画像処理部２０の画像受付モジュールが、画像処理モジュールによって処理された第１画像または第２画像を入力データとして受け付ける。次に、ステップＳ５では、画像処理部２０の演算モジュールが、受け付けた入力データについて、第１学習モデルまたは第２学習モデルを用いて演算を行う。
図４を参照して、画像処理部２０の演算モジュールによる演算処理の一例を説明する。図４は、ニューラルネットワーク２００を示している。ニューラルネットワーク２００は、例えば、第１学習モデルまたは第２学習モデルである。ニューラルネットワーク２００は、入力層２１０、隠れ層２２０および出力層２３０を有する。ニューラルネットワーク２００の入力層２１０に画像のデータを入力すると、データは、隠れ層２２０を経由して、入力層２１０から出力層２３０に送信される。出力層２３０において、発電性能のデータが出力される。入力層２１０、隠れ層２２０および出力層２３０のそれぞれは、複数のノード２４０を有する。図４では、入力層２１０は、４つのノード２４０ａを有する。隠れ層２２０は、５つのノード２４０ｂを有する。出力層２３０は、２つのノード２４０ｃを有する。このように、ニューラルネットワーク２００は、複数のノードを有する複数の層を含んでいる。
ニューラルネットワーク２００は、複数のエッジ２５０をさらに有する。複数のノード２４０ａは、それぞれ、複数のエッジ２５０ａを介して複数のノード２４０ｂと結合している。複数のノード２４０ｂは、それぞれ、複数のエッジ２５０ｂを介して複数のノード２４０ｃと結合している。
図４では、ニューラルネットワーク２００は、１つの隠れ層２２０を有している。ただし、ニューラルネットワーク２００は、複数の隠れ層２２０を有していてもよい。ニューラルネットワーク２００が畳み込みニューラルネットワークによって生成された場合、隠れ層２２０は、畳み込み層およびプーリング層を含む。畳み込み層は、畳み込み層よりも入力層２１０側に位置する層のノード２４０に対して、フィルタ処理を行う。これにより、特徴マップが得られる。プーリング層は、畳み込み層から出力された特徴マップをさらに縮小することによって新たな特徴マップを生成する。すなわち、畳み込み層は、画像の局所的な特徴を抽出する役割を担っている。プーリング層は、画像の局所的な特徴をまとめる役割を担っている。
入力層２１０、隠れ層２２０および出力層２３０のそれぞれは、活性化関数を有する。複数のエッジ２５０のそれぞれは、重みを有する。複数のノード２４０のそれぞれにおいて、演算が実施される。詳細には、特定のノード２４０において、当該ノード２４０とエッジ２５０を介して接続しており、かつ、当該ノード２４０を有する層よりも入力層２１０側に位置する層が有するノード２４０で得られた値に基づいて、演算が実施される。このように、複数のノード２４０のそれぞれにおいて、演算が実施されることによって、出力層２３０から出力データとして、発電性能のデータが出力される。ニューラルネットワークを用いた演算の詳細は、例えば、特開２０１８－２２４７３号公報、特開２０１８－２６０９８号公報、特開２０１８－２６１０８号公報などに開示されている。
次に、図３に示すように、ステップＳ６では、画像処理部２０の出力モジュールが、得られた演算結果を太陽電池１０の発電性能の情報として出力する。出力データは、例えば、１つの発電性能を示すスカラーデータ、または、複数の発電性能を示すベクトルデータである。
上述したモジュールは、例えば、画像処理部２０が所定のプログラムを読み込み、当該プログラムを実行することによって実現される。このとき、画像処理部２０は、ＣＰＵ（Central Processing Unit）、情報処理機器、各種端末などのコンピュータであってもよい。プログラムは、フレキシブルディスクなどの磁気ディスク、コンパクトディスク（ＣＤ）、ＤＶＤ（Digital Versatile Disc）などの光ディスク、光磁気ディスクなどの記録媒体に記録された形態で提供されてもよい。このような記録媒体に記録されたプログラムは、コンピュータによって読み取ることが可能である。ＣＤとしては、ＣＤ－ＲＯＭなどが挙げられる。ＤＶＤとしては、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭなどが挙げられる。画像処理部２０は、例えば、上記の記録媒体からプログラムを読み取って、画像処理部２０の内部メモリまたは外部メモリにプログラムを転送する。内部メモリまたは外部メモリがプログラムを記憶する。画像処理部２０は、内部メモリまたは外部メモリからプログラムを読み込み、プログラムを実行する。上記の記録媒体にあらかじめ記録されたプログラムは、通信回線を介して画像処理部２０に提供されてもよい。
（太陽電池）
次に、評価装置１００によって評価される太陽電池１０の構造および製造方法について説明する。
次に、評価装置１００によって評価される太陽電池１０の構造および製造方法について説明する。
図５は、太陽電池１０の一例を示す模式的な断面図である。
太陽電池１０では、基板１上に、第１電極２と、電子輸送層５と、多孔質層７と、光吸収層３と、正孔輸送層６と、第２電極４とがこの順に積層されている。第２電極４は、第１電極２に対向している。光吸収層３は、第１電極２と第２電極４との間に位置している。光吸収層３は、ペロブスカイト化合物を含む。第１電極２および第２電極４のそれぞれは、光が透過する領域を有する。太陽電池１０は、光が透過する領域を有する。太陽電池１０は、基板１、電子輸送層５、多孔質層７または正孔輸送層６を有していなくてもよい。第１学習データにおける画像に示された学習モデル用太陽電池の構造は、例えば、太陽電池１０の構造と同じである。
多孔質層７中の空孔は、光吸収層３と接する部分から、電子輸送層５と接する部分まで繋がっている。これにより、光吸収層３の材料は多孔質層７の空孔を充填し、電子輸送層５の表面まで到達することができる。したがって、光吸収層３と電子輸送層５とは接触しているため、直接電子の授受が可能である。
次に、太陽電池１０の基本的な作用効果を説明する。太陽電池１０に光が照射されると、光吸収層３が光を吸収し、励起された電子と、正孔とを発生させる。この励起された電子は、電子輸送層５に移動する。一方、光吸収層３で生じた正孔は、正孔輸送層６に移動する。電子輸送層５は第１電極２に接続され、正孔輸送層６は第２電極４に接続されている。これにより、太陽電池１０は、負極としての第１電極２と、正極としての第２電極４とから電流を取り出すことができる。
多孔質層７によって光散乱が起こることにより、光吸収層３を通過する光の光路長が増大する効果が期待される。光路長が増大すると、光吸収層３中で発生する電子および正孔の量が増加すると予測される。
太陽電池１０は、例えば以下の方法によって作製することができる。まず、基板１の表面に第１電極２を、化学気相蒸着法（ＣＶＤ）、スパッタ法などにより形成する。次に、第１電極２の上に、電子輸送層５をスパッタ法などにより形成する。次に、電子輸送層５の上に多孔質層７を塗布法などにより形成する。
電子輸送層５の上に多孔質層７を設けることにより、光吸収層３を容易に形成できるという効果が得られる。すなわち、多孔質層７を設けることにより、多孔質層７の空孔に光吸収層３の材料が侵入し、多孔質層７が光吸収層３の足場となる。そのため、光吸収層３の材料が多孔質層７の表面で弾かれたり、凝集したりすることが起こりにくい。したがって、光吸収層３を均一な膜として形成することができる。
光吸収層３は、例えば、次の方法によって作製することができる。以下では、一例として、ＨＣ（ＮＨ2）2ＰｂＩ3（以下、「ＦＡＰｂＩ3」と省略することがある）で示されるペロブスカイト化合物を含む光吸収層３の製造方法を説明する。
まず、有機溶媒に、ＰｂＩ2と、ＨＣ（ＮＨ2）2Ｉ（ＦＡＩ）とを添加する。有機溶媒は、アルコール類、ラクトン類、アルキルスルホキシド類およびアミド類から選ばれる少なくとも１つの溶媒である。有機溶媒は、例えば、Ｎ，Ｎ－ジメチルホルムアミド（ＤＭＦ）およびジメチルスルホキシド（ＤＭＳＯ）の混合溶媒である。
次に、ホットプレートを用いて、有機溶媒中にＰｂＩ2とＦＡＩとが添加された溶液を４０℃以上１８０℃以下の範囲内の温度に加熱して、ＰｂＩ2とＦＡＩとを有機溶媒中で溶解させることによって、塗布液を得る。次に、多孔質層７の上に塗布液をスピンコート法にて塗布する。これにより、多孔質層７上に塗布膜が形成される。次に、基板１をホットプレート上に配置して、熱処理を行う。これにより、光吸収層３が形成される。熱処理は、例えば、４０℃以上１００℃以下の範囲内の温度で、１５分以上１時間以下の範囲内の時間、実施される。
次に、光吸収層３の上に、正孔輸送層６を形成する。正孔輸送層６の形成方法としては、塗布法または印刷法を採用することができる。塗布法としては、例えば、ドクターブレード法、バーコート法、スプレー法、ディップコーティング法、スピンコート法が挙げられる。印刷法としては、例えば、スクリーン印刷法が挙げられる。必要に応じて、複数の材料を混合して正孔輸送層６を作製し、加圧または焼成するなどしてもよい。正孔輸送層６の材料が有機の低分子体または無機半導体である場合には、真空蒸着法などによって、正孔輸送層６を作製することも可能である。
次に、正孔輸送層６の上に、第２電極４を形成することにより、太陽電池１０を得ることができる。第２電極４を形成する方法としては、化学気相蒸着法（ＣＶＤ）、スパッタ法などが挙げられる。
以下、太陽電池１０の各構成要素について、具体的に説明する。
（基板１）
基板１は、太陽電池１０の各層を保持する役割を果たす。基板１は、透明な材料から形成することができる。基板１としては、例えば、ガラス基板およびプラスチック基板を用いることができる。プラスチック基板は、例えば、プラスチックフィルムであってもよい。第１電極２が十分な強度を有している場合、第１電極２によって各層を保持することができるので、必ずしも基板１を設けなくてもよい。
基板１は、太陽電池１０の各層を保持する役割を果たす。基板１は、透明な材料から形成することができる。基板１としては、例えば、ガラス基板およびプラスチック基板を用いることができる。プラスチック基板は、例えば、プラスチックフィルムであってもよい。第１電極２が十分な強度を有している場合、第１電極２によって各層を保持することができるので、必ずしも基板１を設けなくてもよい。
（第１電極２および第２電極４）
第１電極２および第２電極４のそれぞれは、導電性および透光性を有する。第１電極２および第２電極４のそれぞれは、例えば、可視領域から近赤外領域の光を透過する。第１電極２および第２電極４のそれぞれは、例えば、透明であり導電性を有する金属酸化物および金属窒化物のうち少なくとも１種を用いて形成することができる。このような材料としては、例えば、リチウム、マグネシウム、ニオブ、フッ素のうち少なくとも１種をドープした酸化チタン、錫、シリコンのうち少なくとも１種をドープした酸化ガリウム、シリコン、酸素のうち少なくとも１種をドープした窒化ガリウム、インジウム－錫複合酸化物、アンチモン、フッ素の少なくとも１種をドープした酸化錫、ホウ素、アルミニウム、ガリウム、インジウムの少なくとも１種をドープした酸化亜鉛、および、これらの複合物が挙げられる。
第１電極２および第２電極４のそれぞれは、導電性および透光性を有する。第１電極２および第２電極４のそれぞれは、例えば、可視領域から近赤外領域の光を透過する。第１電極２および第２電極４のそれぞれは、例えば、透明であり導電性を有する金属酸化物および金属窒化物のうち少なくとも１種を用いて形成することができる。このような材料としては、例えば、リチウム、マグネシウム、ニオブ、フッ素のうち少なくとも１種をドープした酸化チタン、錫、シリコンのうち少なくとも１種をドープした酸化ガリウム、シリコン、酸素のうち少なくとも１種をドープした窒化ガリウム、インジウム－錫複合酸化物、アンチモン、フッ素の少なくとも１種をドープした酸化錫、ホウ素、アルミニウム、ガリウム、インジウムの少なくとも１種をドープした酸化亜鉛、および、これらの複合物が挙げられる。
第１電極２または第２電極４は、透明でない材料を用いて、光が透過するパターンを設けて形成することができる。光が透過するパターンとしては、例えば、線状（ストライプ状）、波線状、格子状（メッシュ状）、多数の微細な貫通孔が規則的若しくは不規則に配列されたパンチングメタル状のパターン、および、これらとはネガ・ポジが反転したパターンが挙げられる。第１電極２または第２電極４がこれらのパターンを有すると、電極材料が存在しない部分を光が透過することができる。透明でない電極材料としては、例えば、白金、金、銀、銅、アルミニウム、ロジウム、インジウム、チタン、鉄、ニッケル、スズ、亜鉛、および、これらのいずれかを含む合金を挙げることができる。導電性を有する炭素材料を用いることもできる。
太陽電池１０が電子輸送層５を有していない場合、第１電極２は、例えば、光吸収層３からの正孔に対するブロック性を有する材料で形成されている。この場合、第１電極２は、光吸収層３とオーミック接触しない。光吸収層３からの正孔に対するブロック性とは、光吸収層３で発生した電子のみを通過させ、正孔を通過させない性質のことである。このような性質を有する材料とは、光吸収層３の価電子帯上端のエネルギーよりも、フェルミエネルギーが高い材料である。上記の材料は、光吸収層３のフェルミエネルギーよりも、フェルミエネルギーが高い材料であってもよい。具体的な材料としては、アルミニウムが挙げられる。太陽電池１０が電子輸送層５を有している場合、第１電極２は、光吸収層３からの正孔に対するブロック性を有していなくてもよい。
太陽電池１０が正孔輸送層６を有していない場合、第２電極４は、例えば、光吸収層３からの電子に対するブロック性を有する材料で形成されている。この場合、第２電極４は、光吸収層３とオーミック接触しない。光吸収層３からの電子に対するブロック性とは、光吸収層３で発生した正孔のみを通過させ、電子を通過させない性質のことである。このような性質を有する材料とは、光吸収層３の伝導帯下端のエネルギーよりも、フェルミエネルギーが低い材料である。上記の材料は、光吸収層３のフェルミエネルギーよりも、フェルミエネルギーが低い材料であってもよい。具体的な材料としては、白金、金、および、グラフェンなどの炭素材料が挙げられる。太陽電池１０が正孔輸送層６を有している場合、第２電極４は、光吸収層３からの電子に対するブロック性を有していなくてもよい。
光吸収層３からの正孔に対するブロック性を有する材料、および、光吸収層３からの電子に対するブロック性を有する材料は、透光性を有さないことがある。そのため、これらの材料を用いて第１電極２または第２電極４が形成されているとき、第１電極２または第２電極４は、例えば、光が透過するパターンを設けて形成することができる。光が透過するパターンとしては上述したパターンが挙げられる。
第１電極２および第２電極４のそれぞれの光の透過率は、例えば５０％以上であってもよく、８０％以上であってもよい。透過すべき光の波長は、光吸収層３の吸収波長に依存する。第１電極２および第２電極４のそれぞれの厚さは、例えば、１ｎｍ以上１０００ｎｍ以下の範囲内にある。
（電子輸送層５）
電子輸送層５は、半導体を含む。電子輸送層５は、バンドギャップが３．０ｅＶ以上の半導体であってもよい。バンドギャップが３．０ｅＶ以上の半導体で電子輸送層５を形成することにより、可視光および赤外光を光吸収層３まで透過させることができる。半導体の例としては、有機または無機のｎ型半導体が挙げられる。
電子輸送層５は、半導体を含む。電子輸送層５は、バンドギャップが３．０ｅＶ以上の半導体であってもよい。バンドギャップが３．０ｅＶ以上の半導体で電子輸送層５を形成することにより、可視光および赤外光を光吸収層３まで透過させることができる。半導体の例としては、有機または無機のｎ型半導体が挙げられる。
有機のｎ型半導体としては、例えば、イミド化合物、キノン化合物、フラーレンおよびフラーレンの誘導体が挙げられる。無機のｎ型半導体としては、例えば、金属元素の酸化物、金属元素の窒化物およびペロブスカイト型酸化物を用いることができる。金属元素の酸化物としては、例えば、Ｃｄ、Ｚｎ、Ｉｎ、Ｐｂ、Ｍｏ、Ｗ、Ｓｂ、Ｂｉ、Ｃｕ、Ｈｇ、Ｔｉ、Ａｇ、Ｍｎ、Ｆｅ、Ｖ、Ｓｎ、Ｚｒ、Ｓｒ、Ｇａ、ＳｉおよびＣｒの酸化物を用いることができる。より具体的な例としては、ＴｉＯ2が挙げられる。金属元素の窒化物としては、例えば、ＧａＮが挙げられる。ペロブスカイト型酸化物の例としては、ＳｒＴｉＯ3、ＣａＴｉＯ3が挙げられる。
電子輸送層５は、バンドギャップが６．０ｅＶよりも大きな物質によって形成されていてもよい。バンドギャップが６．０ｅＶよりも大きな物質としては、フッ化リチウム、フッ化カルシウムなどのアルカリ金属またはアルカリ土類金属のハロゲン化物、酸化マグネシウムなどのアルカリ金属酸化物、二酸化ケイ素などが挙げられる。この場合、電子輸送層５の電子輸送性を確保するために、電子輸送層５の厚みは、例えば１０ｎｍ以下に構成される。
電子輸送層５は、互いに異なる材料からなる複数の層を含んでいてもよい。
（多孔質層７）
多孔質層７は、光吸収層３を形成する際の土台となる。多孔質層７は、光吸収層３の光吸収、および、光吸収層３から電子輸送層５への電子移動を阻害しない。
多孔質層７は、光吸収層３を形成する際の土台となる。多孔質層７は、光吸収層３の光吸収、および、光吸収層３から電子輸送層５への電子移動を阻害しない。
多孔質層７は、多孔質体を含む。多孔質体としては、例えば、絶縁性または半導体の粒子が連なった多孔質体が挙げられる。絶縁性の粒子としては、例えば、酸化アルミニウム、酸化ケイ素の粒子を用いることができる。半導体粒子としては、無機半導体粒子を用いることができる。無機半導体としては、金属元素の酸化物、金属元素のペロブスカイト酸化物、金属元素の硫化物、金属カルコゲナイドを用いることができる。金属元素の酸化物の例としては、Ｃｄ、Ｚｎ、Ｉｎ、Ｐｂ、Ｍｏ、Ｗ、Ｓｂ、Ｂｉ、Ｃｕ、Ｈｇ、Ｔｉ、Ａｇ、Ｍｎ、Ｆｅ、Ｖ、Ｓｎ、Ｚｒ、Ｓｒ、Ｇａ、Ｓｉ、Ｃｒの酸化物が挙げられる。より具体的な例としては、ＴｉＯ2が挙げられる。金属元素のペロブスカイト酸化物の例としては、ＳｒＴｉＯ3、ＣａＴｉＯ3が挙げられる。金属元素の硫化物の例としては、ＣｄＳ、ＺｎＳ、Ｉｎ2Ｓ3、ＳｎＳ、ＰｂＳ、Ｍｏ2Ｓ、ＷＳ2、Ｓｂ2Ｓ3、Ｂｉ2Ｓ3、ＺｎＣｄＳ2、Ｃｕ2Ｓが挙げられる。金属カルコゲナイドの例としては、ＣｄＳｅ、ＣｓＳｅ、Ｉｎ2Ｓｅ3、ＷＳｅ2、ＨｇＳ、ＳｎＳｅ、ＰｂＳｅ、ＣｄＴｅが挙げられる。
多孔質層７の厚さは、０．０１μｍ以上１０μｍ以下であってもよく、０．１μｍ以上１μｍ以下であってもよい。多孔質層７の表面粗さは大きくてもよい。具体的には、実効面積／投影面積で与えられる表面粗さ係数が１０以上であってもよく、１００以上であってもよい。なお、投影面積とは、物体を真正面から光で照らしたときに、後ろにできる影の面積である。実効面積とは、物体の実際の表面積のことである。実効面積は、物体の投影面積および厚さから求められる体積と、物体を構成する材料の比表面積および嵩密度とから計算することができる。比表面積は、例えば、窒素吸着法によって測定される。
（光吸収層３）
光吸収層３は、ペロブスカイト化合物を含む。ペロブスカイト化合物は、例えば、組成式ＡＢＸ3（Ａは１価のカチオン、Ｂは２価のカチオン、Ｘはハロゲンアニオン）で示される。以下、組成式ＡＢＸ3で示されるペロブスカイト化合物を「本実施形態におけるペロブスカイト化合物」と記載することがある。第１学習データにおける画像に示された学習モデル用太陽電池に含まれたペロブスカイト化合物のＢサイトに位置している２価のカチオンは、例えば、光吸収層３に含まれたペロブスカイト化合物のＢサイトに位置している２価のカチオンと同じである。第１学習データにおける画像に示された学習モデル用太陽電池に含まれたペロブスカイト化合物の組成は、光吸収層３に含まれたペロブスカイト化合物の組成と同じであってもよい。
光吸収層３は、ペロブスカイト化合物を含む。ペロブスカイト化合物は、例えば、組成式ＡＢＸ3（Ａは１価のカチオン、Ｂは２価のカチオン、Ｘはハロゲンアニオン）で示される。以下、組成式ＡＢＸ3で示されるペロブスカイト化合物を「本実施形態におけるペロブスカイト化合物」と記載することがある。第１学習データにおける画像に示された学習モデル用太陽電池に含まれたペロブスカイト化合物のＢサイトに位置している２価のカチオンは、例えば、光吸収層３に含まれたペロブスカイト化合物のＢサイトに位置している２価のカチオンと同じである。第１学習データにおける画像に示された学習モデル用太陽電池に含まれたペロブスカイト化合物の組成は、光吸収層３に含まれたペロブスカイト化合物の組成と同じであってもよい。
Ａサイトに位置している１価のカチオンは、特に限定されない。１価のカチオンは、例えば、有機カチオンまたはアルカリ金属カチオンである。１価のカチオンは、例えば、メチルアンモニウムカチオン（ＣＨ3ＮＨ3
+）、ホルムアミジニウムカチオン（ＮＨ2ＣＨＮＨ2
+）、セシウムカチオン（Ｃｓ+）、ルビジウムカチオン（Ｒｂ+）、カリウムカチオン（Ｋ+）、フェネチルアンモニウムカチオン（Ｃ6Ｈ5ＣＨ2ＣＨ2ＮＨ3
+）およびグアニジニウムカチオン（ＣＨ6Ｎ3
+）からなる群より選ばれる少なくとも１つを含む。１価のカチオンは、例えば、メチルアンモニウムカチオンまたはホルムアミジニウムカチオンである。
Ｂサイトに位置している２価のカチオンは、特に限定されない。２価のカチオンは、例えば、Ｐｂ2+、Ｓｎ2+またはＧｅ2+である。Ｘサイトに位置しているハロゲンアニオンは、例えば、ヨウ化物イオン、臭化物イオン、フッ化物イオンまたは塩化物イオンである。Ｘサイトには、チオシアン酸イオン（［ＳＣＮ］-）が位置していてもよい。Ａサイト、ＢサイトおよびＸサイトは、それぞれ、複数種類のイオンによって占有されていてもよい。
光吸収層３は、本実施形態におけるペロブスカイト化合物を主として含んでいてもよい。ここで、「光吸収層３が、本実施形態におけるペロブスカイト化合物を主として含む」とは、光吸収層３が本実施形態におけるペロブスカイト化合物を９０質量％以上含むことであり、例えば９５質量％以上含んでいてもよく、光吸収層３が本実施形態におけるペロブスカイト化合物からなるものであってもよい。
光吸収層３の厚さは、その光吸収の大きさにもよるが、例えば１００ｎｍ以上１０μｍ以下である。光吸収層３の厚さは、１００ｎｍ以上１０００ｎｍ以下であってもよい。
（正孔輸送層６）
正孔輸送層６は、有機物、無機半導体などによって構成される。正孔輸送層６として用いられる代表的な有機物の例としては、ｓｐｉｒｏ－ＯＭｅＴＡＤ（2,2′,7,7′-tetrakis-(N,N-di-p-methoxyphenylamine)9,9′-spirobifluorene）、ＰＴＡＡ（poly[bis(4-phenyl)(2,4,6-trimethylphenyl)amine]）、Ｐ３ＨＴ（poly(3-hexylthiophene-2,5-diyl)）、ＰＥＤＯＴ（poly(3,4-ethylenedioxythiophene)）が挙げられる。
正孔輸送層６は、有機物、無機半導体などによって構成される。正孔輸送層６として用いられる代表的な有機物の例としては、ｓｐｉｒｏ－ＯＭｅＴＡＤ（2,2′,7,7′-tetrakis-(N,N-di-p-methoxyphenylamine)9,9′-spirobifluorene）、ＰＴＡＡ（poly[bis(4-phenyl)(2,4,6-trimethylphenyl)amine]）、Ｐ３ＨＴ（poly(3-hexylthiophene-2,5-diyl)）、ＰＥＤＯＴ（poly(3,4-ethylenedioxythiophene)）が挙げられる。
無機半導体の例としては、Ｃｕ2Ｏ、ＣｕＧａＯ2、ＣｕＳＣＮ、ＣｕＩ、ＣｕＰＣ、ＮｉＯx、ＭｏＯx、Ｖ2Ｏ5、および、酸化グラフェンなどのカーボン系材料が挙げられる。
正孔輸送層６は、互いに異なる材料からなる複数の層を含んでいてもよい。
正孔輸送層６の厚さは、１ｎｍ以上１０００ｎｍ以下であってもよく、１０ｎｍ以上５００ｎｍ以下であってもよく、１０ｎｍ以上５０ｎｍ以下であってもよい。この範囲内であれば、十分な正孔輸送性を発現できる。低抵抗を維持できるので、高効率に光発電を行うことができる。正孔輸送層６の厚さは、正孔輸送層６が透光性を有する程度に薄くてもよい。
正孔輸送層６は、支持電解質および溶媒を含んでいてもよい。支持電解質および溶媒は、正孔輸送層６中の正孔を安定化させる効果を有する。
支持電解質としては、例えば、アンモニウム塩、アルカリ金属塩が挙げられる。アンモニウム塩としては、例えば、過塩素酸テトラブチルアンモニウム、六フッ化リン酸テトラエチルアンモニウム、イミダゾリウム塩およびピリジニウム塩が挙げられる。アルカリ金属塩としては、例えば、ＬｉＴＦＳＩ（Lithium bis(trifluoromethanesulfonyl)imide）、ＬｉＰＦ6、ＬｉＢＦ4、過塩素酸リチウムおよび四フッ化ホウ素カリウムが挙げられる。
正孔輸送層６に含まれる溶媒は、イオン伝導性に優れるものであってもよい。水系溶媒および有機溶媒のいずれも使用できるが、溶質をより安定化する観点から、有機溶媒であってもよい。具体例としては、ｔｅｒｔ－ブチルピリジン、ピリジン、ｎ－メチルピロリドンなどの複素環化合物溶媒が挙げられる。
溶媒としてイオン液体を、単独で、または他種の溶媒に混合して用いてもよい。イオン液体は、揮発性が低く、難燃性が高い点で望ましい。
イオン液体としては、例えば、１－エチル－３－メチルイミダゾリウムテトラシアノボレートなどのイミダゾリウム系、ピリジン系、脂環式アミン系、脂肪族アミン系、アゾニウムアミン系のイオン液体を挙げることができる。
（太陽電池の前駆体）
次に、評価装置１００によって評価される太陽電池１０の前駆体の構造について説明する。
次に、評価装置１００によって評価される太陽電池１０の前駆体の構造について説明する。
図６は、前駆体１５の一例を示す模式的な断面図である。前駆体１５は、正孔輸送層６および第２電極４を備えていないことを除き、太陽電池１０と同じ構造を有する。前駆体１５は、第１電極２のみを電極として備える。前駆体１５において、光吸収層３は、第１電極２の上に位置する。前駆体１５は、太陽電池１０の製造方法において、光吸収層３が作製された段階で得られる。前駆体１５は、基板１、電子輸送層５または多孔質層７を有していなくてもよい。第２学習データにおける画像に示された学習モデル用太陽電池の前駆体の構造は、例えば、前駆体１５の構造と同じである。
評価装置１００では、前駆体１５の第２画像を用いて、太陽電池１０の発電性能を評価することができる。すなわち、太陽電池１０の発電性能を評価するために、正孔輸送層６および第２電極４を作製する必要がない。評価装置１００によって評価された発電性能が十分でない場合、前駆体１５から太陽電池１０を作製する必要がない。発電性能が十分でないと評価された前駆体１５を製造ラインから取り除き、かつ、発電性能が十分であると評価された前駆体１５のみから太陽電池１０を作製することによって、太陽電池１０を作製するための材料の消費を抑制できる。
［実施形態２］
図７は、本実施形態の評価装置の他の例を示す模式的な構成図である。実施形態２の評価装置１５０の構造は、搬送部９０をさらに備え、スイッチ７０の代わりに光電スイッチ７１を備えることを除き、実施形態１の評価装置１００の構造と同じである。したがって、実施形態１の評価装置１００と本実施形態の評価装置１５０とで共通する要素には同じ参照符号を付し、それらの説明を省略することがある。
図７は、本実施形態の評価装置の他の例を示す模式的な構成図である。実施形態２の評価装置１５０の構造は、搬送部９０をさらに備え、スイッチ７０の代わりに光電スイッチ７１を備えることを除き、実施形態１の評価装置１００の構造と同じである。したがって、実施形態１の評価装置１００と本実施形態の評価装置１５０とで共通する要素には同じ参照符号を付し、それらの説明を省略することがある。
評価装置１５０は、例えば、図７に示すように、太陽電池１０の製造ライン中に配置されてもよい。図７に示す例では、製造ライン上において、太陽電池１０の光吸収層３を形成するための塗布装置８０と、光吸収層３上に形成される正孔輸送層６等の層を形成するための装置との間に、評価装置１５０が配置されている。
塗布装置８０は、光吸収層３を形成するための塗布液を積層体１６の上に塗布する。積層体１６は、第１電極２を含む。図７では、積層体１６は、基板１、第１電極２、電子輸送層５および多孔質層７がこの順に積層された構造を有する。塗布装置８０で作製された塗布膜を熱処理することによって、光吸収層３が形成される。これにより、前駆体１５が得られる。塗布装置８０は、塗布膜を熱処理するための加熱機器を備えていてもよい。
搬送部９０は、塗布装置８０で作製された前駆体１５を所定の位置まで搬送する。所定の位置において、前駆体１５は、撮像部３０によって撮像される。搬送部９０は、例えば、ローラコンベアである。搬送部９０がローラコンベアであるとき、搬送部９０は、複数のローラを備える。複数のローラは、搬送方向Ｙに並んでいる。複数のローラのそれぞれは、前駆体１５に接する。複数のローラのそれぞれが所定の回転速度で、所定の方向に回転することによって、前駆体１５が搬送方向Ｙに搬送される。
評価装置１５０において、光電スイッチ７１は、撮像の対象である前駆体１５が所定の位置に位置しているか否かを検出する。光電スイッチ７１が前駆体１５を検出したとき、光電スイッチ７１は、前駆体１５が所定の位置に位置していることを通知するための信号を画像処理部２０に送信する。画像処理部２０は、光電スイッチ７１からの信号を受信すると、撮像部３０に信号を送信する。撮像部３０は、画像処理部２０からの信号を受信すると、前駆体１５を撮像する。これにより、第２画像が得られる。上述の方法によって、第２画像を処理することにより、前駆体１５から形成される太陽電池１０の発電性能を評価することができる。
以下、本開示を実施例によって具体的に説明する。ただし、本開示は、以下の実施例によって何ら限定されるものではない。
（太陽電池の作製）
図５に示したペロブスカイト太陽電池１０と同じ構造を有するペロブスカイト太陽電池を作製した。
図５に示したペロブスカイト太陽電池１０と同じ構造を有するペロブスカイト太陽電池を作製した。
実施例におけるペロブスカイト太陽電池は、以下のようにして作製した。
まず、第１電極２として機能する導電層を表面に有する導電性基板を準備した。導電性基板としては、第１電極２として機能するインジウムドープＳｎＯ2層が形成された厚さ１ｍｍの導電性ガラス基板（日本板硝子製）を用いた。導電性基板では、ガラス基板の上に、第１電極２として、インジウムドープＳｎＯ2層が配置されていた。なお、第１電極２の表面抵抗は、１０Ω／ｓｑ．であった。
次に、第１電極２上に、電子輸送層５として、厚さ約１０ｎｍの酸化チタン層をスパッタ法により形成した。
次に、平均１次粒子径３０ｎｍの高純度酸化チタン粉末をエチルセルロース中に分散させ、スクリーン印刷用の酸化チタンペーストを作製した。
電子輸送層５の上に酸化チタンペーストを塗布して乾燥した。さらに、５００℃で３０分間、空気中で焼成することによって、厚さ０．２μｍの多孔質酸化チタン層である多孔質層７を形成した。
次に、アセトニトリル１ｍＬにビス(トリフルオロメタンスルホニル)イミドリチウム（ＬｉＴＦＳＩ）１０ｍｇを溶解した溶液（以下、「Ｌｉ含有溶液」と呼ぶ）を準備した。
多孔質層７の上にＬｉ含有溶液を滴下し、スピンコートすることによって、電子輸送層５および多孔質層７にＬｉ含有溶液を付与した。さらに、５００℃の温度で３０分間、空気中で焼成することによって、電子輸送層５および多孔質層７のそれぞれにＬｉを含有させた。これにより、Ｌｉを含む、電子輸送層５および多孔質層７を得た。
次に、Ｎ，Ｎ－ジメチルホルムアミド（ＤＭＦ）とジメチルスルホキシド（ＤＭＳＯ）とを体積比で４：１の割合で混合した溶液に、ＰｂＩ2、ＰｂＢｒ2、ＨＣ（ＮＨ2）2Ｉ（ＦＡＩ）、ＣＨ3ＮＨ3Ｂｒ（ＭＡＢｒ）、ＣｓＩおよびＲｂＩを溶解させることによって、光吸収層３を形成するための塗布液を調製した。塗布液におけるＰｂＩ2の濃度は、０．９２ｍｏｌ／Ｌであった。塗布液におけるＰｂＢｒ2の濃度は、０．１７ｍｏｌ／Ｌであった。塗布液におけるＦＡＩの濃度は、０．８３ｍｏｌ／Ｌであった。塗布液におけるＭＡＢｒの濃度は、０．１７ｍｏｌ／Ｌであった。塗布液におけるＣｓＩの濃度は、０．０５ｍｏｌ／Ｌであった。塗布液におけるＲｂＩの濃度は、０．０５ｍｏｌ／Ｌであった。この塗布液を多孔質層７の上にスピンコートすることによって、塗布膜を得た。次に、塗布膜が積層された基板１をホットプレート上に配置し、１００℃で熱処理を行うことによって、光吸収層３を形成した。光吸収層３は、組成式（ＦＡＰｂＩ3）0.83（ＭＡＰｂＢｒ3）0.17のペロブスカイト化合物を主として含んでいた。
次に、ＰＴＡＡを１０ｍｇ／ｍＬの濃度で含むトルエン溶液に、ｔｅｒｔ－ブチルピリジン（ｔＢＰ）５μＬと、ＬｉＴＦＳＩを１．８ｍｏｌ／Ｌの濃度で含むアセトニトリル溶液３μＬとを加えることによって、正孔輸送層６を形成するための塗布液を作製した。この塗布液を光吸収層３上にスピンコートすることによって、正孔輸送層６を作製した。
次に、正孔輸送層６上に金を８０ｎｍの厚さになるように蒸着し、第２電極４を作製した。このようにして、太陽電池を得た。
上記の方法を基準にして、合計で４００個の太陽電池を作製した。４００個の太陽電池のそれぞれの作製方法において、Ｌｉ含有溶液におけるＬｉＴＦＳＩの濃度を０ｍｇ／ｍＬ～３０ｍｇ／ｍＬの範囲で適宜変更した。４００個の太陽電池のそれぞれの作製方法において、光吸収層３に含まれるペロブスカイト化合物における組成を適宜変更した。詳細には、ペロブスカイト化合物におけるＦＡとＭＡとのモル比を７５：２５～１００：０の範囲で適宜変更した。ペロブスカイト化合物におけるＩとＢｒとのモル比を８３：１７～１００：０の範囲で適宜変更した。４００個の太陽電池のそれぞれの作製方法において、光吸収層３を形成するための塗布液におけるＲｂＩの濃度を０～０．１ｍｏｌ／Ｌの範囲で適宜変更した。４００個の太陽電池のそれぞれの作製方法において、ＰＴＡＡを含むトルエン溶液に対するｔＢＰの添加量を０～６μＬの範囲で適宜変更した。４００個の太陽電池のそれぞれの作製方法において、ＰＴＡＡを含むトルエン溶液に対するＬｉＴＦＳＩを含むアセトニトリル溶液の添加量を０～５μＬの範囲で適宜変更した。
（発電性能の測定）
次に、得られた４００個の太陽電池のそれぞれについて、変換効率を測定した。変換効率の測定は、１００ｍＷ／ｃｍ2の出力に設定されたソーラーシミュレータを用いて、疑似太陽光下で行った。
次に、得られた４００個の太陽電池のそれぞれについて、変換効率を測定した。変換効率の測定は、１００ｍＷ／ｃｍ2の出力に設定されたソーラーシミュレータを用いて、疑似太陽光下で行った。
（太陽電池の撮像）
次に、透過光を用いて４００個の太陽電池のそれぞれを撮像した。詳細には、面発光のＬＥＤでできた照明装置の上に、第２電極４が上面となるように太陽電池を配置し、さらに、その上方から太陽電池を撮像した。撮像は、可視光カメラによって行った。これにより、４００個の太陽電池のそれぞれについて画像を得た。
次に、透過光を用いて４００個の太陽電池のそれぞれを撮像した。詳細には、面発光のＬＥＤでできた照明装置の上に、第２電極４が上面となるように太陽電池を配置し、さらに、その上方から太陽電池を撮像した。撮像は、可視光カメラによって行った。これにより、４００個の太陽電池のそれぞれについて画像を得た。
（画像処理）
次に、得られた４００枚の画像のそれぞれについて以下の処理を行った。まず、画像内における太陽電池の外周縁を検出した。画像内における太陽電池の位置および向きを調整するために、画像を回転させた。次に、光が太陽電池を透過していない領域を取り除き、光が太陽電池を透過した領域のみを抽出した。このように、４００枚の画像のそれぞれについて事前に処理を行った。以上の操作により、太陽電池の画像と、当該太陽電池の発電性能とが対応付けられた４００個のデータを得た。
次に、得られた４００枚の画像のそれぞれについて以下の処理を行った。まず、画像内における太陽電池の外周縁を検出した。画像内における太陽電池の位置および向きを調整するために、画像を回転させた。次に、光が太陽電池を透過していない領域を取り除き、光が太陽電池を透過した領域のみを抽出した。このように、４００枚の画像のそれぞれについて事前に処理を行った。以上の操作により、太陽電池の画像と、当該太陽電池の発電性能とが対応付けられた４００個のデータを得た。
（変換効率の評価）
次に、得られた４００個のデータを利用して、学習モデルの生成および変換効率の評価を行った。学習モデルの生成および変換効率の評価は、畳み込みニューラルネットワークを用いて、４分割交差検定により行った。詳細には、以下の方法で、学習モデルの生成および変換効率の評価を行った。まず、４００個のデータを４分割し、第１データ群、第２データ群、第３データ群および第４データ群を作成した。第１データ群から第４データ群は、それぞれ、１００個のデータの群であった。次に、第１データ群から第４データ群のうち、３つのデータ群を選択した。選択された３つのデータ群に含まれる３００個のデータを畳み込みニューラルネットワークによって学習し、学習モデルを生成した。次に、この学習モデルを用いて、学習モデルの生成に用いられなかったデータ群に含まれる１００個のデータの画像を処理した。これにより、処理された１００個のデータの画像のそれぞれについて、太陽電池の変換効率の予測値を算出した。学習モデルの生成および太陽電池の変換効率の予測値の算出については、合計で４回繰り返した。このとき、４回の操作のそれぞれにおいて、学習モデルの生成に用いられた３つのデータ群の組み合わせが互いに異なっていた。これにより、４００個のデータのそれぞれについて、太陽電池の変換効率の予測値が算出された。
次に、得られた４００個のデータを利用して、学習モデルの生成および変換効率の評価を行った。学習モデルの生成および変換効率の評価は、畳み込みニューラルネットワークを用いて、４分割交差検定により行った。詳細には、以下の方法で、学習モデルの生成および変換効率の評価を行った。まず、４００個のデータを４分割し、第１データ群、第２データ群、第３データ群および第４データ群を作成した。第１データ群から第４データ群は、それぞれ、１００個のデータの群であった。次に、第１データ群から第４データ群のうち、３つのデータ群を選択した。選択された３つのデータ群に含まれる３００個のデータを畳み込みニューラルネットワークによって学習し、学習モデルを生成した。次に、この学習モデルを用いて、学習モデルの生成に用いられなかったデータ群に含まれる１００個のデータの画像を処理した。これにより、処理された１００個のデータの画像のそれぞれについて、太陽電池の変換効率の予測値を算出した。学習モデルの生成および太陽電池の変換効率の予測値の算出については、合計で４回繰り返した。このとき、４回の操作のそれぞれにおいて、学習モデルの生成に用いられた３つのデータ群の組み合わせが互いに異なっていた。これにより、４００個のデータのそれぞれについて、太陽電池の変換効率の予測値が算出された。
以上の操作によって得られた太陽電池の変換効率の予測値と、当該太陽電池の変換効率の実測値との関係を図８に示す。図８のグラフにおいて、横軸は、太陽電池の変換効率の実測値を示している。縦軸は、太陽電池の変換効率の予測値を示している。この結果に基づいて算出された根平均二乗誤差（ＲＭＳＥ：Root Mean Squared Error）は、２．６％であった。この結果から、高い精度で太陽電池の変換効率を予測できたことがわかる。図８からわかるとおり、変換効率の実測値が１０％以上の範囲では、変換効率の予測の精度が特に高い。一方、変換効率の実測値が５％以下の範囲では、変換効率の予測値が実測値と大きく異なることがあった。これは、学習モデルを生成するときに、変換効率の実測値が５％以下である太陽電池のデータの数が十分でなかったことに起因していると考えられる。すなわち、十分な数のデータを用いて、学習モデルを生成すれば、さらに高い精度で太陽電池の変換効率を予測できることが予想される。
変換効率の予測値が１３％以上であった複数の太陽電池の画像を図９に示す。さらに、変換効率の予測値が５％以下であった複数の太陽電池の画像を図１０に示す。図９に示される太陽電池の画像は実際にはオレンジ色である。図１０に示される太陽電池の画像のうち、左上と中央上の画像は黒色であり、残りの画像は白色である。図９からわかるとおり、光吸収層の色がオレンジ色であり、かつ、光吸収層の色むらが抑制されている場合、太陽電池の変換効率が高い傾向にある。一方、図１０からわかるとおり、光吸収層の色が黒色もしくは白色である、または、光吸収層に色むらが存在する場合、太陽電池の変換効率が低い傾向にある。このように、太陽電池の光吸収層の色むらなどの情報から太陽電池の発電性能を評価することができる。さらに、透過光を用いて撮像された太陽電池の画像によれば、光吸収層の内部の情報を得ることができるため、発電性能を高い精度で評価できる。
本明細書に開示された技術は、太陽電池の評価装置として有用である。
１ 基板
２ 第１電極
３ 光吸収層
４ 第２電極
５ 電子輸送層
６ 正孔輸送層
７ 多孔質層
１０ 太陽電池
１５ 前駆体
２０ 画像処理部
３０ 撮像部
４０ 照明部
５０ 記憶部
６０ 出力部
１００，１５０ 評価装置
２ 第１電極
３ 光吸収層
４ 第２電極
５ 電子輸送層
６ 正孔輸送層
７ 多孔質層
１０ 太陽電池
１５ 前駆体
２０ 画像処理部
３０ 撮像部
４０ 照明部
５０ 記憶部
６０ 出力部
１００，１５０ 評価装置
Claims (10)
- 透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価する画像処理部を備え、
前記画像処理部は、(i)第１学習モデルで前記第１画像を処理することによって、前記太陽電池の前記発電性能を評価する、および、(ii)第２学習モデルで前記第２画像を処理することによって、前記太陽電池の前記発電性能を評価する、からなる群より選ばれる少なくとも１つを行い、
前記第１学習モデルは、透過光を用いて撮像された学習モデル用太陽電池の画像と前記学習モデル用太陽電池の発電性能との関係を示し、
前記第２学習モデルは、透過光を用いて撮像された前記学習モデル用太陽電池の前駆体の画像と前記学習モデル用太陽電池の前記発電性能との関係を示し、
前記太陽電池および前記太陽電池の前記前駆体は、ペロブスカイト化合物を含む光吸収層を備える、太陽電池の評価装置。 - 前記画像処理部は、前記学習モデル用太陽電池の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第１学習データを学習することによって、前記第１学習モデルを生成する、請求項１に記載の太陽電池の評価装置。
- 前記画像処理部は、前記学習モデル用太陽電池の前記前駆体の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第２学習データを学習することによって、前記第２学習モデルを生成する、請求項１に記載の太陽電池の評価装置。
- 前記画像処理部は、畳み込みニューラルネットワークを用いて、前記第１学習モデルおよび前記第２学習モデルからなる群より選ばれる少なくとも１つの学習モデルを生成する、請求項１から３のいずれか１項に記載の太陽電池の評価装置。
- 前記太陽電池または前記太陽電池の前記前駆体を撮像する撮像部をさらに備えた、請求項１から４のいずれか１項に記載の太陽電池の評価装置。
- 前記撮像部によって前記太陽電池または前記太陽電池の前記前駆体を撮像するときに、前記太陽電池または前記太陽電池の前記前駆体に対して、前記撮像部とは反対側に位置するとともに、前記太陽電池または前記太陽電池の前記前駆体に光を照射する照明部をさらに備えた、請求項５に記載の太陽電池の評価装置。
- 前記画像処理部によって評価された前記太陽電池の前記発電性能の情報を出力する出力部をさらに備えた、請求項１から６のいずれか１項に記載の太陽電池の評価装置。
- 透過光を用いて撮像された前記学習モデル用太陽電池の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第１学習データ、および、透過光を用いて撮像された前記学習モデル用太陽電池の前記前駆体の前記画像と前記学習モデル用太陽電池の前記発電性能とが対応付けられた第２学習データからなる群より選ばれる少なくとも１つの学習データを記憶する記憶部をさらに備えた、請求項１から７のいずれか１項に記載の太陽電池の評価装置。
- 前記太陽電池の前記発電性能は、変換効率、短絡電流密度、開放電圧、曲線因子、シリーズ抵抗、シート抵抗、ヒステリシス、電流電圧カーブ、および、これらの経時変化からなる群より選ばれる少なくとも１つである、請求項１から８のいずれか１項に記載の太陽電池の評価装置。
- 透過光を用いて撮像された太陽電池の第１画像、および、透過光を用いて撮像された前記太陽電池の前駆体の第２画像からなる群より選ばれる少なくとも１つの画像に基づいて、前記太陽電池の発電性能を評価することを含む、太陽電池の評価方法であって、
前記評価方法では、(i)第１学習モデルで前記第１画像を処理することによって、前記太陽電池の前記発電性能を評価する、および、(ii)第２学習モデルで前記第２画像を処理することによって、前記太陽電池の前記発電性能を評価する、からなる群より選ばれる少なくとも１つを行い、
前記第１学習モデルは、透過光を用いて撮像された学習モデル用太陽電池の画像と前記学習モデル用太陽電池の発電性能との関係を示し、
前記第２学習モデルは、透過光を用いて撮像された前記学習モデル用太陽電池の前駆体の画像と前記学習モデル用太陽電池の前記発電性能との関係を示し、
前記太陽電池および前記太陽電池の前記前駆体は、ペロブスカイト化合物を含む光吸収層を備える、太陽電池の評価方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018125785A JP7203320B2 (ja) | 2018-07-02 | 2018-07-02 | 太陽電池の評価装置および太陽電池の評価方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018125785A JP7203320B2 (ja) | 2018-07-02 | 2018-07-02 | 太陽電池の評価装置および太陽電池の評価方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020005473A JP2020005473A (ja) | 2020-01-09 |
| JP7203320B2 true JP7203320B2 (ja) | 2023-01-13 |
Family
ID=69100807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018125785A Active JP7203320B2 (ja) | 2018-07-02 | 2018-07-02 | 太陽電池の評価装置および太陽電池の評価方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7203320B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI727560B (zh) * | 2019-12-20 | 2021-05-11 | 周文三 | 具有壓力計之空氣壓縮機 |
| JP2024014771A (ja) * | 2022-07-21 | 2024-02-01 | 東レエンジニアリング株式会社 | ペロブスカイト膜形成方法およびペロブスカイト膜形成装置 |
| JP7319733B1 (ja) * | 2022-08-31 | 2023-08-02 | 株式会社kotobuki | 電池性能推定装置、電池性能推定方法、及び電池性能推定プログラム |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010073990A (ja) | 2008-09-19 | 2010-04-02 | Mitsubishi Heavy Ind Ltd | 光電変換装置モジュールの検査装置 |
| JP2013084751A (ja) | 2011-10-07 | 2013-05-09 | Sharp Corp | 光起電力素子の欠陥修復方法および欠陥修復装置 |
| US20160322934A1 (en) | 2013-12-19 | 2016-11-03 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method and system for monitoring the quality of photovoltaic cells |
| JP2017059643A (ja) | 2015-09-15 | 2017-03-23 | 株式会社東芝 | 半導体素子の製造方法および製造装置 |
| WO2017200000A1 (ja) | 2016-05-17 | 2017-11-23 | 積水化学工業株式会社 | 固体接合型光電変換素子、及びその製造方法 |
-
2018
- 2018-07-02 JP JP2018125785A patent/JP7203320B2/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010073990A (ja) | 2008-09-19 | 2010-04-02 | Mitsubishi Heavy Ind Ltd | 光電変換装置モジュールの検査装置 |
| JP2013084751A (ja) | 2011-10-07 | 2013-05-09 | Sharp Corp | 光起電力素子の欠陥修復方法および欠陥修復装置 |
| US20160322934A1 (en) | 2013-12-19 | 2016-11-03 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method and system for monitoring the quality of photovoltaic cells |
| JP2017059643A (ja) | 2015-09-15 | 2017-03-23 | 株式会社東芝 | 半導体素子の製造方法および製造装置 |
| WO2017200000A1 (ja) | 2016-05-17 | 2017-11-23 | 積水化学工業株式会社 | 固体接合型光電変換素子、及びその製造方法 |
Non-Patent Citations (2)
| Title |
|---|
| CUI, Dong et al.，Color-Tuned Perovskite Films Prepared for Efficient Solar Cell Applications，THE JOURNAL OF PHYSICAL CHEMISTRY C，2016年，Vol. 120，pp. 42-47 |
| KARIMI, Maroof, Ahmad et al.，Feature Extraction, Supervised and Unsupervised Machine Learning Classification of PV Cell Electroluminescence Images，Proceedings of 2018 IEEE 7th World Conference on Photovoltaic Energy Conversion(WCPEC) (A Joint Conference of 45th IEEE PVSC, 28th PVSEC & 34th EU PVSEC), [online]，2018年06月01日，pp. 0418-0424，[令和4年3月15日検索], インターネット<URL: https://www.semanticscholar.org/paper/Feature-Extraction%2C-Supervised-and-Unsupervised-of-Karimi-Fada/e1d969e3ab054c1b24ae156a1ffd887420e24f74> |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020005473A (ja) | 2020-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ito et al. | Mixed Sn–Ge perovskite for enhanced perovskite solar cell performance in air | |
| Salah et al. | A comprehensive simulation study of hybrid halide perovskite solar cell with copper oxide as HTM | |
| JP7032933B2 (ja) | ペロブスカイト材料を堆積させる方法 | |
| Roy et al. | Perovskite solar cells: a review of the recent advances | |
| JP7203320B2 (ja) | 太陽電池の評価装置および太陽電池の評価方法 | |
| US20170018371A1 (en) | Perovskite solar cell | |
| JP7304517B2 (ja) | 太陽電池 | |
| JP2017103450A (ja) | 太陽電池 | |
| JP7232032B2 (ja) | 太陽電池 | |
| JPWO2018123402A1 (ja) | 太陽電池、光吸収層および光吸収層の形成方法 | |
| Hossain et al. | Achieving above 24% efficiency with non-toxic CsSnI 3 perovskite solar cells by harnessing the potential of the absorber and charge transport layers | |
| Foo et al. | Recent review on electron transport layers in perovskite solar cells | |
| JP2019208010A (ja) | 太陽電池 | |
| Petridis et al. | Graphene‐Based Inverted Planar Perovskite Solar Cells: Advancements, Fundamental Challenges, and Prospects | |
| JP6796814B2 (ja) | 太陽電池システムおよび太陽電池システムの運転方法 | |
| Shah et al. | A Review of Third Generation Solar Cells | |
| JP7270136B2 (ja) | 太陽電池 | |
| Forgacs et al. | Perovskite photovoltaics: From laboratory to industry | |
| JP7165942B2 (ja) | 光吸収材料及びそれを用いた太陽電池 | |
| US20220246362A1 (en) | Solar cell | |
| JP6657572B2 (ja) | 光電変換素子 | |
| de Oliveira et al. | Organic-inorganic hybrid perovskites for solar cells applications | |
| You et al. | Inverted planar structure of perovskite solar cells | |
| US20190237267A1 (en) | Solar cell | |
| JP7386443B2 (ja) | 太陽電池 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210427 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220405 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220523 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220802 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221026 |
|
| C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221026 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221115 |
|
| C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221122 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221214 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7203320 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |