Исследовательская группа из Университета Центральной Флориды применила искусственный интеллект (AI) к исследованиям перовскитных солнечных элементов (PSC), чтобы разработать систему для определения лучших материалов. Органико-неорганический галогенидный перовскит, используемый в PSC, помогает преобразовывать фотоэлектрическую энергию в потребляемую энергию. Эти перовскитные солнечные элементы можно обрабатывать в твердом или жидком состоянии, что обеспечивает гибкость.
Исследователи просмотрели более 2000 рецензируемых публикаций о перовскитах и собрали более 300 точек данных, которые затем были введены в алгоритм машинного обучения. После этого система проанализировала информацию и спрогнозировала, какой рецепт солнечной технологии с напылением перовскита будет работать лучше всего.
Исследователи заявили, что подход машинного обучения помог им понять, как оптимизировать состав материала, и спрогнозировать лучшие стратегии проектирования и потенциальные характеристики перовскитных солнечных элементов. Прогнозы машинного обучения соответствовали пределу Шокли-Кайссера. Машинное обучение также помогло спрогнозировать оптимальную пограничную орбитальную энергию между транспортным слоем и слоем перовскита.
Солнечные элементы, наносимые распылением, можно использовать для окраски мостов, зданий, домов и других конструкций, чтобы улавливать свет, превращать его в энергию и подавать в электрическую сеть. Ожидается, что эта формула может стать стандартным рецептом / руководством для создания гибких, стабильных, эффективных и недорогих перовскитов.
Исследование было опубликовано в Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).