Le celle solari in perovskite sono un’alternativa flessibile e sostenibile alle celle solari convenzionali a base di silicio. I ricercatori del Karlsruhe Institute of Technology (KIT) fanno parte di un team internazionale che è riuscito a trovare, in poche settimane, nuove molecole organiche che aumentano l’efficienza delle celle solari di perovskite. Il team ha utilizzato una combinazione intelligente di intelligenza artificiale (AI) e sintesi automatizzata ad alto rendimento. La loro strategia può essere applicata anche ad altre aree della ricerca sui materiali, come la ricerca di nuovi materiali per batterie.
Per scoprire quale tra un milione di molecole diverse condurrebbe cariche positive e renderebbe le celle solari di perovskite particolarmente efficienti, bisognerebbe sintetizzarle e testarle tutte – o fare come hanno fatto i ricercatori guidati dal professor Pascal Friederich, che ha studiato la perovskite. è specializzato nelle applicazioni dell’intelligenza artificiale nella scienza dei materiali presso l’Istituto di nanotecnologia del KIT e il professor Christoph Brabec dell’Istituto Helmholtz Erlangen-Nürnberg (HI ERN). “Con soli 150 esperimenti mirati, siamo stati in grado di raggiungere una svolta che altrimenti avrebbe richiesto centinaia di migliaia di test. Il flusso di lavoro che abbiamo sviluppato aprirà nuove strade per scoprire in modo rapido ed economico materiali ad alte prestazioni per un’ampia gamma di applicazioni “, ha detto Brabec. Con uno dei materiali scoperti, hanno aumentato l’efficienza di una cella solare di riferimento di circa due punti percentuali, raggiungendo il 26,2%. “Il nostro successo dimostra che è possibile risparmiare enormi quantità di tempo e risorse applicando abili strategie per la scoperta di nuovi materiali energetici”, ha affermato Friedrich.
Il punto di partenza di HI ERN era un database con formule strutturali per circa un milione di molecole virtuali che potevano essere sintetizzate da sostanze disponibili in commercio. Da queste molecole virtuali, ne sono state selezionate 13.000 in modo casuale. I ricercatori del KIT hanno utilizzato metodi consolidati di meccanica quantistica per determinarne i livelli di energia, la polarità, la geometria e altre proprietà.
Addestrare l’intelligenza artificiale con dati provenienti da sole 101 molecole
Tra 13.000 molecole, gli scienziati ne hanno scelte 101 con le maggiori differenze nelle loro proprietà, le hanno sintetizzate con sistemi robotici presso HI ERN, le hanno utilizzate per produrre celle solari altrimenti identiche e quindi hanno misurato l’efficienza delle celle solari. “Essere in grado di produrre campioni veramente comparabili grazie alla nostra piattaforma di sintesi altamente automatizzata, e quindi essere in grado di determinare valori di efficienza affidabili, è stato fondamentale per il successo della nostra strategia”, ha affermato Brabec, che ha guidato il lavoro presso HI ERN.
I ricercatori del KIT hanno utilizzato le efficienze raggiunte e le proprietà delle molecole associate per addestrare un modello di intelligenza artificiale, che ha suggerito altre 48 molecole da sintetizzare. I suoi suggerimenti si basavano su due criteri: alta efficienza attesa e proprietà imprevedibili. “Quando il modello di apprendimento automatico è incerto sull’efficienza prevista, vale la pena sintetizzare la molecola e osservarla più da vicino”, ha detto Friederich, spiegando il secondo criterio. “Potrebbe sorprenderci con un alto livello di efficienza.”
Utilizzando le molecole suggerite dall’intelligenza artificiale, è stato infatti possibile costruire celle solari con efficienza superiore alla media, alcune delle quali superano le capacità dei materiali più avanzati attualmente utilizzati. “Non possiamo essere sicuri di aver davvero trovato la migliore tra un milione di molecole, ma siamo certamente vicini all’ottimale”, ha detto Friederich.
AI contro intuizione chimica
Poiché i ricercatori hanno utilizzato un’intelligenza artificiale che indica su quali proprietà delle molecole virtuali si basavano i loro suggerimenti, sono stati in grado di ottenere alcune informazioni sulle molecole suggerite. Ad esempio, hanno stabilito che i suggerimenti sull’intelligenza artificiale si basano in parte sulla presenza di alcuni gruppi chimici, come le ammine, che i chimici avevano precedentemente trascurato.
Brabec e Friederich ritengono che la loro strategia sia promettente per altre applicazioni nella scienza dei materiali o possa essere estesa all’ottimizzazione di interi componenti.
I risultati, che sono il risultato di una ricerca condotta in collaborazione con scienziati della FAU Erlangen-Nürnberg, dell’Ulsan National Institute of Science della Corea del Sud e dell’Università cinese di Xiamen e dell’Università di scienza e tecnologia elettronica, sono stati pubblicati recentemente sulla rivista Scienza.
Da un’altra testata giornalistica. news de www.sciencedaily.com
