Zespół badawczy z University of Central Florida zastosował sztuczną inteligencję (AI) do badań nad perowskitowymi ogniwami słonecznymi (PSC), aby opracować system do identyfikacji najlepszych materiałów. Organiczno-nieorganiczny perowskit halogenkowy stosowany w PSC pomaga w przekształcaniu energii fotowoltaicznej w energię zużywalną. Te perowskitowe ogniwa słoneczne mogą być przetwarzane w stanie stałym lub ciekłym, zapewniając w ten sposób elastyczność.
Naukowcy przejrzeli ponad 2000 recenzowanych publikacji na temat perowskitów i zebrali ponad 300 punktów danych, które następnie zostały wprowadzone do algorytmu uczenia maszynowego. Następnie system przeanalizował informacje i przewidział, który przepis na technologię słoneczną z perowskitem natryskowym będzie działać najlepiej.
Naukowcy stwierdzili, że podejście do uczenia maszynowego pomogło im w zrozumieniu, jak zoptymalizować skład materiału i przewidzieć najlepsze strategie projektowe oraz potencjalną wydajność perowskitowych ogniw słonecznych. Prognozy uczenia maszynowego odpowiadały limitowi Shockley-Queisser. Uczenie maszynowe pomogło również w przewidywaniu optymalnych energii orbitalnych granic między warstwą transportową a warstwą perowskitu.
Ogniwa słoneczne w sprayu można wykorzystać do malowania natryskowego mostów, budynków, domów i innych konstrukcji w celu przechwytywania światła, przekształcania go w energię i dostarczania do sieci elektrycznej. Przewiduje się, że formuła może stać się standardową recepturą / przewodnikiem do wytwarzania elastycznych, stabilnych, wydajnych i niedrogich perowskitów.
Wyniki badań zostały opublikowane w Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).