Uma equipe de pesquisa da Universidade da Flórida Central aplicou Inteligência Artificial (IA) à pesquisa de células solares de perovskita (PSC) para desenvolver um sistema para identificar os melhores materiais. O material perovskita de haleto orgânico-inorgânico usado em PSC ajuda na conversão de energia fotovoltaica em energia consumível. Essas células solares de perovskita podem ser processadas no estado sólido ou líquido, oferecendo assim flexibilidade.
Os pesquisadores revisaram mais de 2.000 publicações revisadas por pares sobre perovskitas e coletaram mais de 300 pontos de dados que foram inseridos em um algoritmo de aprendizado de máquina. Em seguida, o sistema analisou as informações e previu qual receita para a tecnologia solar de perovskita em spray funcionaria melhor.
Os pesquisadores disseram que a abordagem de aprendizado de máquina os ajudou a compreender como otimizar a composição do material e prever as melhores estratégias de design e desempenho potencial das células solares de perovskita. As previsões de aprendizado de máquina corresponderam ao limite de Shockley-Queisser. O aprendizado de máquina também ajudou a prever energias orbitais de fronteira ótimas entre a camada de transporte e a camada de perovskita.
As células solares em spray podem ser usadas para pintar pontes, edifícios, casas e outras estruturas para capturar a luz, transformá-la em energia e alimentá-la na rede elétrica. Espera-se que a fórmula possa se tornar a receita / guia padrão para fazer perovskitas flexíveis, estáveis, eficientes e de baixo custo.
A pesquisa foi publicada em Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181).