Fuente: revista PV
Investigadores estadounidenses están utilizando un enfoque de fusión de datos para identificar las perovskitas más estables para las células fotovoltaicas. Su método de aprendizaje automático combina los resultados de las pruebas de perovskita con el modelado físico de los primeros principios para identificar a los mejores candidatos.
Científicos del Instituto tecnológico de Massachusetts han propuesto un nuevo enfoque para identificar las mejores perovskitas para aplicaciones de células solares, dependiendo de objetivos específicos como la longevidad, la eficiencia y la producibilidad, así como la disponibilidad de materiales de origen que los fabricantes pretenden lograr.
Los científicos presentaron sus hallazgos en "A data fusion approach to optimize compositional stability of halide perovskites", que se publicó recientemente en Matter. Describieron el enfoque como un marco de aprendizaje secuencial restringido por la física para identificar las perovskitas orgánicas-inorgánicas aleadas más estables.
Los investigadores estadounidenses dijeron que las perovskitas incluyen una amplia gama de materiales que difieren entre sí por la forma en que los átomos están dispuestos en su red cristalina en capas. Estas capas, que comúnmente se describen como A, B y X, pueden consistir en diferentes átomos o compuestos.
"Si se consideran incluso solo tres elementos, los más comunes en las perovskitas que las personas suben y salen están en el sitio A de la estructura cristalina de la perovskita", dijo el investigador Tonio Buonassisi, y agregó que estos elementos pueden variarse en un aumento del 1% en su composición relativa. "La cantidad de pasos se vuelve absurda. Se vuelve muy, muy grande y, por lo tanto, poco práctico buscar sistemáticamente".
El método propuesto, que se basa en el aprendizaje automático, combina datos de diferentes fuentes en un enfoque de fusión de datos. Utiliza un sistema automatizado para guiar la producción y prueba de una gama de formulaciones de perovskita y luego combina los resultados con el modelado físico de los primeros principios, para guiar la siguiente ronda de experimentos. Los científicos repiten este proceso varias veces hasta que los resultados se refinan.
Hasta el momento, el grupo ha sintetizado y probado alrededor del 2% de las combinaciones posibles entre tres componentes. Los científicos afirman que ya han identificado la formulación más duradera para los materiales de células solares de perovskita hasta la fecha. Con este material, también fabricaron un pequeño chip y lo colocaron en una célula solar existente, y descubrieron que puede aumentar la estabilidad del dispositivo en más de tres veces, sin comprometer su eficiencia de conversión de energía.
"Otro punto de este trabajo es que realmente demostramos, desde la selección química hasta que realmente hacemos una célula solar al final", dijo el investigador Shijing Sun. "Y nos dice que la sustancia química sugerida por el aprendizaje automático no solo es estable en su propia forma independiente. También se pueden traducir en células solares de la vida real, y conducen a una mayor fiabilidad".
