Un equip d'investigació de la Universitat de Florida Central ha aplicat la Intel·ligència Artificial (IA) a la investigació de cèl·lules solars de perovskita (PSC) per desenvolupar un sistema per identificar els millors materials. El material de perovskita d’halogenurs orgànics-inorgànics que s’utilitza a PSC ajuda a convertir l’energia fotovoltaica en energia consumible. Aquestes cèl·lules solars de perovskita es poden processar en estat sòlid o líquid, oferint així flexibilitat.
Els investigadors van revisar més de 2000 publicacions revisades per parells sobre perovskites i van recopilar més de 300 punts de dades que després es van alimentar en un algorisme d'aprenentatge automàtic. Després, el sistema va analitzar la informació i va predir quina recepta per a la tecnologia solar perovskita amb aspersió funcionaria millor.
Els investigadors van dir que l'enfocament d'aprenentatge automàtic els va ajudar a entendre com optimitzar la composició del material i predir les millors estratègies de disseny i el rendiment potencial de les cèl·lules solars de perovskita. Les prediccions d'aprenentatge automàtic es corresponien amb el límit de Shockley-Queisser. L’aprenentatge automàtic també va ajudar a predir les energies orbitals frontereres òptimes entre la capa de transport i la capa de perovskita.
Les cèl·lules solars en polvorització es podrien utilitzar per pintar per ponts, edificis, llars i altres estructures per capturar la llum, convertir-la en energia i alimentar-la a la xarxa elèctrica. Es preveu que la fórmula es pugui convertir en la recepta / guia estàndard per fer perovskites flexibles, estables, eficients i de baix cost.
La investigació es va publicar a Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).