A Közép-Floridai Egyetem kutatócsoportja a mesterséges intelligenciát (AI) alkalmazta a perovszkit napelemes (PSC) kutatásokon, hogy kifejlesszen egy rendszert a legjobb anyagok azonosítására. A PSC-ben használt szerves-szervetlen halogenid-perovszkit anyag segít a fotovoltaikus energia felhasználható energiává alakításában. Ezek a perovszkit napelemek feldolgozhatók szilárd vagy folyékony állapotban, ezáltal rugalmasságot kínálva.
A kutatók több mint 2000 szakértői véleményezett publikációt tekintettek át a perovszkitokkal kapcsolatban, és több mint 300 adatpontot gyűjtöttek össze, amelyeket egy gépi tanulási algoritmusba vezettek be. Ezt követően a rendszer elemezte az információkat, és megjósolta, hogy a perovszkit napsugárzás technológiájának melyik receptje működik a legjobban.
A kutatók elmondták, hogy a gépi tanulási megközelítés segített abban, hogy megértsék, hogyan lehet optimalizálni az anyagösszetételt, és megjósolják a perovszkit napelemek legjobb tervezési stratégiáit és potenciális teljesítményét. A gépi tanulás előrejelzései megfeleltek a Shockley-Queisser határértéknek. A gépi tanulás a transzportréteg és a perovszkitréteg közötti optimális határpálya-energiák megjóslásában is segített.
A rápermetezett napelemekkel hidak, épületek, házak és egyéb építmények festésére lehet fényt befogni, energiává alakítani és az elektromos hálózatba táplálni. Várható, hogy a képlet a szokásos recept / útmutató lesz a rugalmas, stabil, hatékony és olcsó perovszkitok elkészítéséhez.
A kutatást az Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181) folyóiratban tették közzé.