'/%3E%3C/svg%3E){kind=small}
Hoe AI de weg vrijmaakt voor de zonnecellen van morgen
Ergens in de enorme ruimte van mogelijke materiaalcombinaties schuilt de zonnecel van de toekomst. De uitdaging zit in het vinden ervan. Perovskiet heeft het potentieel om zonnecellen efficiënter te maken dan ooit tevoren, maar staat nog voor een aantal cruciale drempels. HELIOS is het project dat die drempels wil doorbreken — met kunstmatige intelligentie als krachtige tool.
Perovskiet — en het probleem
Silicium is al decennia hét dominante materiaal in zonnepanelen, maar heeft theoretisch limieten. Perovskiet is een kristalachtige materiaalstructuur die de afgelopen jaren veel aandacht trekt in de wereld van zonne-energie. Het is een materiaal dat theoretisch een hogere efficiëntie kan bereiken dan silicium — en daarmee de zonne-energiesector fundamenteel kan veranderen. De technologie is veelbelovend, maar staat nog voor een cruciale uitdaging: de stabiliteit van perovskiet. Onder invloed van licht, vocht en hitte degraderen perovskiet zonnecellen momenteel nog te snel voor grootschalige toepassing. Zolang dat probleem niet is opgelost, blijft de technologie steken in het laboratorium.
HELIOS en Peter Bosman: een project met een missie
Hier komt HELIOS in beeld. HELIOS is een samenwerkingsproject dat zich volledig richt op het oplossen van precies dit vraagstuk — met AI als centrale onderzoekstool. Aan het hoofd van het AI-deel staat Peter Bosman, groepsleider Evolutionary Intelligence aan het CWI, het Centrum Wiskunde & Informatica, en deeltijdhoogleraar aan de TU Delft. Bosman is geen onbekende in AI-gedreven onderzoek met toepassingen: eerder ontwierp en paste hij vormen van AI al toe in medische projecten. Nu richt hij die expertise op een van de meest urgente technologische uitdagingen van dit moment.
HELIOS brengt drie sterke partijen samen: het CWI levert de AI-kennis, DIFFER in Eindhoven (Dutch Institute For Fundamental Energy Research) en AMOLF in Amsterdam brengen de materiaal- en celexpertise in. Het project richt zich op twee zaken: het ontdekken van de juiste materiaalstructuren, én het optimaliseren van de verschillende perovskiet lagen. Elke laag wordt afgestemd op een specifiek deel van het lichtspectrum, zodat samen zoveel mogelijk zonlicht wordt omgezet in energie.
Eerst even: wat is AI eigenlijk?
Het is goed om even stil te staan bij wat AI nu eigenlijk is — en wat het niet is.
Kunstmatige intelligentie bestaat al tientallen jaren als concept, maar pas de afgelopen vijftien tot twintig jaar is er de rekenkracht om het werkelijk tot zijn recht te laten komen. De sleutel daarin zijn GPU’s: grafische processors die oorspronkelijk voor gaming werden ontwikkeld, maar door hun vermogen om enorme hoeveelheden berekeningen parallel uit te voeren de ideale motor bleken voor AI-systemen. Zonder die rekenkracht zou moderne AI niet bestaan zoals we het nu kennen.
Maar is AI dan echt intelligent? Het antwoord hangt af van hoe je intelligentie definieert. Een AI die iets moet berekenen kan een curve produceren die praktisch identiek is aan een kwadratische functie — zonder te weten dat zo’n functie bestaat. Het systeem heeft via patroonherkenning een zeer goede benadering gevonden, maar begrijpt niet wat het heeft gevonden. Dat is precies het verschil tussen een krachtig instrument en echte redeneerkunst.
Neurale netwerken
Hoe doet AI dat dan precies? Het antwoord zit in neurale netwerken — systemen die geïnspireerd zijn op de menselijke hersenen. Een neuraal netwerk bestaat uit lagen van verbonden knooppunten die elk een klein stukje informatie verwerken en doorgeven. Door enorme hoeveelheden data heen te verwerken, leert het netwerk zelf welke verbindingen sterk of zwak moeten zijn — zonder dat iemand dat expliciet programmeert. Het resultaat is een systeem dat patronen ontdekt in enorme, complexe datasets — veel sneller dan een onderzoeker ooit zou kunnen. Maar die gelaagde complexiteit heeft een keerzijde: zelfs de makers kunnen vaak niet precies zeggen welke stappen het netwerk zette om tot een conclusie te komen.
Black box AI vs. XAI
Dat onderscheid wordt nog scherper bij het verschil tussen black box AI en Explainable AI (XAI). Bij black box systemen is onduidelijk welke interne stappen het systeem zet om tot een conclusie te komen — het werkt, maar niemand weet precies waarom. XAI maakt die tussenstappen juist transparant. Voor wetenschappelijk onderzoek is dat een belangrijk vraagstuk: je wilt niet alleen een uitkomst, je wilt ook begrijpen waarom die uitkomst klopt. Binnen HELIOS wordt XAI momenteel nog niet toegepast, maar het is een ontwikkeling die in een later stadium relevant kan worden naarmate het onderzoek vordert omdat daarmee inzicht verkregen kan worden in waarom bepaalde ontwerpen nu zo goed werken.
AI binnen HELIOS: slimmer zoeken, sneller leren
Traditioneel onderzoek werkt volgens een langzaam en kostbaar ritme: hypothese opstellen, experiment uitvoeren, resultaten analyseren, opnieuw beginnen. Elke mogelijke combinatie van materialen moet getest worden — inclusief de combinaties die uiteindelijk niet werken.
Bij perovskiet onderzoek kan dat jaren in beslag nemen – het aantal mogelijke structuren en samenstellingen van lagen is simpelweg te groot om op de klassieke manier te doorzoeken.
AI verandert dat proces fundamenteel. Binnen HELIOS doet de AI op basis van beschikbare data voorspellingen over welke richting het meest kansrijk is voor de volgende stap. Onderzoekers hoeven daardoor niet langer elke mogelijke combinatie door te lopen — inefficiënte stappen worden overgeslagen. Elk resultaat van elk experiment wordt teruggegeven aan het systeem, waardoor de AI continu bijleert en steeds scherper wordt in zijn aanbevelingen. Het is een iteratief proces waarbij onderzoeker en AI elkaar versterken.
AI vervangt de onderzoeker niet, benadrukt Bosman. ‘Het is een instrument dat het onderzoek veel efficiënter maakt en met sprongen kan versnellen. De wetenschapper blijft aan het roer; AI helpt om de juiste koers te varen.’
De weg naar de markt
HELIOS werkt stap voor stap naar een concreet eindresultaat. Het doel is om via AI een veelbelovende perovskiet opbouw met hoge stabiliteit te identificeren, deze als werkende cel in het laboratorium te bouwen en te testen, vervolgens in de praktijk te valideren onder realistische omstandigheden, en uiteindelijk een methode voor grootschalige productie te ontwikkelen.
Bosman is realistisch: het zal nog zeker vijf tot tien jaren duren voordat er sprake is van mogelijke marktrealisatie. Het onderzoek is nog te pril om nu al directe invloed op de markt te hebben. Maar elke stap die gezet wordt brengt die toekomst dichterbij.
Europa en Nederland: meer dan wetenschap
De inzet van HELIOS reikt verder dan wetenschap alleen. Als de perovskiet technologie in Europa wordt ontwikkeld én hier grootschalig perovskiet zonnecellen geproduceerd kan worden, staat Europa sterk in een markt die wereldwijd exponentieel groeit. Voor Nederland zou dat bijzonder waardevol zijn: goed voor de economie, goed voor de kennispositie, goed voor de productiesector en goed voor de export. Het mooiste scenario? Dat de productie van de perovskiet zonnecel uiteindelijk ook in Nederland plaatsvindt — een boost voor industrie, kennis en internationale concurrentiepositie tegelijk.
Een toekomst die begint in het lab
HELIOS is geen project dat belooft de wereld morgen te veranderen. Het is een zorgvuldig, ambitieus en samenwerkingsgericht onderzoekstraject dat stap voor stap toewerkt naar een doorbraak die de moeite waard is om op te wachten. Met Peter Bosman en zijn partners aan het werk, met AI als instrument in dit vakgebied, en met perovskiet als materiaal dat zijn potentie nog maar gedeeltelijk heeft laten zien — is HELIOS een van de meest potentierijke onderzoeksprojecten in de Nederlandse zonne-energiesector.
AI heeft de wereld van wetenschappelijk onderzoek al veranderd. HELIOS zal laten zien hoe die verandering eruit kan zien in de praktijk, voor zonne-energie.
