Source : pv magazine
Des chercheurs américains utilisent une approche de fusion de données pour identifier les pérovskites les plus stables pour les cellules photovoltaïques. Leur méthode d'apprentissage automatique combine les résultats des tests de pérovskite avec une modélisation physique des premiers principes pour identifier les meilleurs candidats.
Des scientifiques du Massachusetts Institute of Technology ont proposé une nouvelle approche pour identifier les meilleures pérovskites pour les applications de cellules solaires, en fonction d'objectifs spécifiques tels que la longévité, l'efficacité et la productivité, ainsi que la disponibilité des matériaux sources que les fabricants visent à atteindre.
Les scientifiques ont présenté leurs résultats dans « Une approche de fusion de données pour optimiser la stabilité de la composition des pérovskites aux halogénures », qui a récemment été publié dans Matter. Ils ont décrit l'approche comme un cadre d'apprentissage séquentiel contraint par la physique pour identifier les pérovskites organiques-inorganiques alliées les plus stables.
Les chercheurs américains ont déclaré que les pérovskites comprennent une large gamme de matériaux qui diffèrent les uns des autres par la manière dont les atomes sont disposés dans leur réseau cristallin en couches. Ces couches, qui sont communément décrites comme A, B et X, peuvent chacune être constituées d'atomes ou de composés différents.
"Si vous ne considérez que trois éléments, les plus courants dans les pérovskites que les gens introduisent et sortent se trouvent sur le site A de la structure cristalline de la pérovskite", a déclaré le chercheur Tonio Buonassisi, ajoutant que ces éléments peuvent varier d'une augmentation de 1%. dans leur composition relative. « Le nombre d'étapes devient tout simplement absurde. Il devient très, très grand et donc peu pratique de rechercher systématiquement.
La méthode proposée, basée sur l'apprentissage automatique, combine des données provenant de différentes sources dans une approche de fusion de données. Il utilise un système automatisé pour guider la production et les tests d'une gamme de formulations de pérovskite, puis combine les résultats avec la modélisation physique des premiers principes, pour guider la prochaine série d'expériences. Les scientifiques répètent ce processus plusieurs fois jusqu'à ce que les résultats soient affinés.
Jusqu'à présent, le groupe a synthétisé et testé environ 2% des combinaisons possibles entre trois composants. Les scientifiques affirment avoir déjà identifié la formulation la plus durable pour les matériaux de cellules solaires en pérovskite à ce jour. Avec ce matériau, ils ont également fabriqué une petite puce et l'ont placée dans une cellule solaire existante, et ont découvert qu'il peut augmenter la stabilité de l'appareil de plus de trois fois, sans compromettre son efficacité de conversion d'énergie.
"Un autre point de ce travail est que nous démontrons en fait, de la sélection chimique jusqu'à ce que nous fabriquions une cellule solaire à la fin", a déclaré le chercheur Shijing Sun. "Et cela nous dit que le produit chimique suggéré par l'apprentissage automatique n'est pas seulement stable sous sa propre forme autonome. Ils peuvent également être traduits en cellules solaires réelles et améliorent la fiabilité. »
