Дослідницька група з Університету Центральної Флориди застосувала штучний інтелект (ШІ) для дослідження перовскітних сонячних елементів (ПСК) для розробки системи виявлення найкращих матеріалів. Органічно-неорганічний галогенідний перовскітний матеріал, що використовується в PSC, допомагає перетворити фотоелектричну енергію в споживану енергію. Ці перовскітові сонячні елементи можна обробляти у твердому або рідкому стані, забезпечуючи тим самим гнучкість.
Дослідники переглянули понад 2000 рецензованих публікацій про перовскіти та зібрали понад 300 точок даних, які потім були введені в алгоритм машинного навчання. Після цього система проаналізувала інформацію та передбачила, який рецепт розпилення на перовскітній сонячній технології буде найкращим.
Дослідники заявили, що підхід до машинного навчання допомагає їм зрозуміти, як оптимізувати склад матеріалу, і передбачити найкращі стратегії проектування та потенційні показники роботи перовскітних сонячних елементів. Прогнози машинного навчання відповідали ліміту Шоклі-Кейссера. Машинне навчання також допомогло у прогнозуванні оптимальних прикордонних орбітальних енергій між транспортним шаром та шаром перовскітів.
Розпилювані сонячні елементи можна використовувати для фарбування мостів, будівель, будинків та інших споруд, щоб вловлювати світло, перетворювати його в енергію та подавати в електричну мережу. Передбачається, що формула може стати стандартним рецептом / керівництвом для виготовлення гнучких, стабільних, ефективних та недорогих перовскітів.
Дослідження було опубліковане в Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).