セントラルフロリダ大学の研究チームは、人工知能（AI）をペロブスカイト太陽電池（PSC）の研究に適用して、最良の材料を特定するシステムを開発しました。PSCで使用される有機-無機ハロゲン化物ペロブスカイト材料は、太陽光発電を消費可能エネルギーに変換するのに役立ちます。これらのペロブスカイト太陽電池は、固体または液体状態で処理できるため、柔軟性があります。
研究者は、ペロブスカイトに関する2000以上の査読済み出版物をレビューし、300以上のデータポイントを収集して、機械学習アルゴリズムに入力しました。その後、システムは情報を分析し、スプレー式ペロブスカイト太陽電池技術のどのレシピが最も効果的かを予測しました。
研究者たちは、機械学習アプローチは、材料組成を最適化する方法を理解し、ペロブスカイト太陽電池の最良の設計戦略と潜在的な性能を予測するのに役立ったと述べました。機械学習の予測は、Shockley-Queisserの制限に対応していました。機械学習は、トランスポート層とペロブスカイト層の間の最適なフロンティア軌道エネルギーの予測にも役立ちました。
スプレー式太陽電池を使用して、橋、建物、家、その他の構造物をスプレー塗装して、光を捕らえ、エネルギーに変換し、電力網に供給することができます。このフォーミュラは、柔軟で安定した効率的で低コストのペロブスカイトを作るための標準的なレシピ/ガイドになることが期待されています。
この研究は、 Advanced Energy Materials （www.doi.org/10.1002/aenm.201970181）に掲載されました 。