Et forskerteam ved University of Central Florida har brukt kunstig intelligens (AI) på perovskite solcelle (PSC) forskning for å utvikle et system for å identifisere de beste materialene. Det organisk-uorganiske halogenidperovskittmaterialet som brukes i PSC, hjelper til med å konvertere fotovoltaisk kraft til forbruksenergi. Disse perovskitt-solcellene kan behandles i fast eller flytende tilstand og gir dermed fleksibilitet.
Forskerne gjennomgikk mer enn 2000 fagfellevurderte publikasjoner om perovskites og samlet mer enn 300 datapunkter som deretter ble matet inn i en maskinlæringsalgoritme. Deretter analyserte systemet informasjonen og spådde hvilken oppskrift på spray-på perovskite solteknologi som ville fungere best.
Forskerne sa at maskinlæringsmetoden hjalp dem med å forstå hvordan de kunne optimalisere materialkomposisjonen og forutsi de beste designstrategiene og potensielle ytelsen til perovskite solceller. Spådommer for maskinlæring samsvarte med Shockley-Queisser-grensen. Maskinlæring hjalp også til å forutsi optimale orbitalenergier på grensen mellom transportlaget og perovskite-laget.
Spray-on solceller kan brukes til å spraymale broer, bygninger, hjem og andre strukturer for å fange lys, gjøre det om til energi og mate det inn i det elektriske nettet. Det forventes at formelen kan bli standard oppskrift / guide for å lage fleksible, stabile, effektive og rimelige perovskitter.
Forskningen ble publisert i Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).