Une équipe de recherche de l'Université de Floride centrale a appliqué l'intelligence artificielle (IA) à la recherche sur les cellules solaires à pérovskite (PSC) pour développer un système permettant d'identifier les meilleurs matériaux. Le matériau pérovskite halogénure organique-inorganique utilisé dans le PSC aide à convertir l'énergie photovoltaïque en énergie consommable. Ces cellules solaires en pérovskite peuvent être traitées à l'état solide ou liquide, offrant ainsi une flexibilité.
Les chercheurs ont examiné plus de 2000 publications évaluées par des pairs sur les pérovskites et collecté plus de 300 points de données qui ont ensuite été introduits dans un algorithme d'apprentissage automatique. Sur ce, le système a analysé les informations et a prédit quelle recette pour la technologie solaire à base de pérovskite pulvérisée fonctionnerait le mieux.
Les chercheurs ont déclaré que l'approche d'apprentissage automatique les avait aidés à comprendre comment optimiser la composition des matériaux et à prédire les meilleures stratégies de conception et les performances potentielles des cellules solaires en pérovskite. Les prédictions d'apprentissage automatique correspondaient à la limite Shockley-Queisser. L'apprentissage automatique a également aidé à prédire les énergies orbitales de frontière optimales entre la couche de transport et la couche de pérovskite.
Les cellules solaires pulvérisées pourraient être utilisées pour peindre par pulvérisation des ponts, des bâtiments, des maisons et d'autres structures afin de capter la lumière, de la transformer en énergie et de la transmettre au réseau électrique. On prévoit que la formule pourrait devenir la recette / guide standard pour fabriquer des pérovskites flexibles, stables, efficaces et à faible coût.
La recherche a été publiée dans Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).