Un team di ricerca dell'Università della Florida centrale ha applicato l'intelligenza artificiale (AI) alla ricerca sulle celle solari di perovskite (PSC) per sviluppare un sistema per identificare i materiali migliori. Il materiale perovskite alogenuro organico-inorganico utilizzato in PSC aiuta a convertire l'energia fotovoltaica in energia consumabile. Queste celle solari in perovskite possono essere processate allo stato solido o liquido, offrendo così flessibilità.
I ricercatori hanno esaminato più di 2000 pubblicazioni peer-reviewed sui perovskiti e raccolto più di 300 punti dati che sono stati poi inseriti in un algoritmo di apprendimento automatico. Dopodiché, il sistema ha analizzato le informazioni e ha previsto quale ricetta per la tecnologia solare a perovskite spray avrebbe funzionato meglio.
I ricercatori hanno affermato che l'approccio di apprendimento automatico li ha aiutati a capire come ottimizzare la composizione del materiale e prevedere le migliori strategie di progettazione e le potenziali prestazioni delle celle solari di perovskite. Le previsioni di apprendimento automatico corrispondevano al limite Shockley-Queisser. L'apprendimento automatico ha anche aiutato a prevedere le energie orbitali di frontiera ottimali tra lo strato di trasporto e lo strato di perovskite.
Le celle solari spray potrebbero essere utilizzate per verniciare a spruzzo ponti, edifici, case e altre strutture per catturare la luce, trasformarla in energia e immetterla nella rete elettrica. Si prevede che la formula possa diventare la ricetta / guida standard per realizzare perovskiti flessibili, stabili, efficienti ea basso costo.
La ricerca è stata pubblicata su Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).