Un equipo de investigación de la Universidad de Florida Central ha aplicado Inteligencia Artificial (IA) a la investigación de células solares de perovskita (PSC) para desarrollar un sistema para identificar los mejores materiales. El material de perovskita de haluro orgánico-inorgánico utilizado en PSC ayuda a convertir la energía fotovoltaica en energía consumible. Estas células solares de perovskita se pueden procesar en estado sólido o líquido ofreciendo así flexibilidad.
Los investigadores revisaron más de 2000 publicaciones revisadas por pares sobre perovskitas y recopilaron más de 300 puntos de datos que luego se introdujeron en un algoritmo de aprendizaje automático. Acto seguido, el sistema analizó la información y predijo qué receta de tecnología solar de perovskita en aerosol funcionaría mejor.
Los investigadores dijeron que el enfoque de aprendizaje automático les ayudó a comprender cómo optimizar la composición del material y predecir las mejores estrategias de diseño y el rendimiento potencial de las células solares de perovskita. Las predicciones de aprendizaje automático se correspondieron con el límite Shockley-Queisser. El aprendizaje automático también ayudó a predecir las energías orbitales de frontera óptimas entre la capa de transporte y la capa de perovskita.
Las células solares en aerosol podrían usarse para pintar puentes, edificios, casas y otras estructuras para capturar la luz, convertirla en energía y alimentarla a la red eléctrica. Se anticipa que la fórmula podría convertirse en la receta / guía estándar para hacer perovskitas flexibles, estables, eficientes y de bajo costo.
La investigación se publicó en Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).