Výskumný tím na univerzite v strednej Floride aplikoval umelú inteligenciu (AI) na výskum perovskitových solárnych článkov (PSC) s cieľom vyvinúť systém na identifikáciu najlepších materiálov. Organicko-anorganický halogenidový perovskitový materiál používaný v PSC pomáha pri premene fotovoltaickej energie na energiu spotrebovateľnú. Tieto perovskitové solárne články môžu byť spracované v pevnom alebo kvapalnom stave, čo poskytuje flexibilitu.
Vedci preskúmali viac ako 2 000 recenzovaných publikácií o perovskitoch a zhromaždili viac ako 300 dátových bodov, ktoré sa potom vložili do algoritmu strojového učenia. Potom systém analyzoval informácie a predpovedal, ktorý recept na nastriekanie perovskitovej solárnej technológie bude fungovať najlepšie.
Vedci tvrdia, že prístup strojového učenia im pomohol pochopiť, ako optimalizovať zloženie materiálu, a predpovedať najlepšie stratégie návrhu a potenciálny výkon perovskitových solárnych článkov. Predpovede strojového učenia zodpovedali limitu Shockley-Queisser. Strojové učenie tiež pomohlo predpovedať optimálne hraničné orbitálne energie medzi transportnou vrstvou a perovskitovou vrstvou.
Nastriekané solárne články by sa mohli použiť na nastriekanie mostov, budov, domov a iných štruktúr na zachytenie svetla, jeho premenu na energiu a dodanie do elektrickej siete. Očakáva sa, že vzorec by sa mohol stať štandardným receptom / sprievodcom pri vytváraní flexibilných, stabilných, efektívnych a lacných perovskitov.
Výskum bol publikovaný v časopise Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).