Dans le cadre d’un projet de recherche de l’Ecole polytechnique fédérale de Lausanne(EPFL), une méthode a été développée pour rechercher dans de grandes bases de données des matériaux potentiels pour l’utilisation de nouvelles cellules solaires. Selon un communiqué, l’utilisation du Machine Learning (ML) a permis d’identifier plusieurs pérovskites d’halogénures prometteuses. Le ML est un domaine de l’intelligence artificielle, dans lequel les ordinateurs apprennent à partir de jeux de données ou de bases de données qui leur sont fournis.
Les pérovskites représentent un nouveau groupe de matériaux prometteur pour les futures applications photovoltaïques en raison de leur simplicité de fabrication et de leur faible coût. Afin d’exploiter au mieux l’énergie solaire, il est important que les nouveaux matériaux possèdent une bande interdite appropriée. La bande interdite a la propriété d’absorber les photons d’une certaine énergie et de les convertir ensuite en électricité.
L’équipe de l’EPFL, dirigée par Haiyuan Wang et Alfredo Pasquarello, a développé un modèle d’apprentissage automatique qui a permis d’identifier 14 pérovskites entièrement nouvelles parmi 15’000 matériaux. Celles-ci seraient d’excellents candidats pour les futures cellules solaires à haut rendement. Les chercheurs ont ainsi pu démontrer que l’utilisation du ML peut accélérer considérablement la découverte et la validation de nouveaux matériaux photovoltaïques.
