Výzkumný tým na univerzitě ve střední Floridě použil umělou inteligenci (AI) na výzkum perovskitových solárních článků (PSC) s cílem vyvinout systém k identifikaci nejlepších materiálů. Organicko-anorganický halogenidový perovskitový materiál používaný v PSC pomáhá při přeměně fotovoltaické energie na spotřebovatelnou energii. Tyto perovskitové solární články mohou být zpracovány v pevném nebo kapalném stavu, čímž nabízejí flexibilitu.
Vědci přezkoumali více než 2 000 recenzovaných publikací o perovskitech a shromáždili více než 300 datových bodů, které byly poté vloženy do algoritmu strojového učení. Poté systém analyzoval informace a předpověděl, který recept na postřik na perovskitovou solární technologii bude fungovat nejlépe.
Vědci uvedli, že přístup strojového učení jim pomohl pochopit, jak optimalizovat složení materiálu a předpovídat nejlepší konstrukční strategie a potenciální výkon perovskitových solárních článků. Předpovědi strojového učení odpovídaly limitu Shockley-Queisser. Strojové učení také pomohlo předpovědět optimální pohraniční orbitální energie mezi transportní vrstvou a perovskitovou vrstvou.
Nastříkané solární články lze použít k nastříkání mostů, budov, domů a dalších konstrukcí k zachycení světla, jeho přeměně na energii a přivádění do elektrické sítě. Předpokládá se, že vzorec by se mohl stát standardním receptem / průvodcem pro výrobu flexibilních, stabilních, efektivních a levných perovskitů.
Výzkum byl publikován v Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).