Nell’ambito di un progetto di ricerca dell’Istituto Federale Svizzero di Tecnologia di Losanna(EPFL), è stato sviluppato un metodo per cercare in grandi database i materiali potenziali per l’utilizzo di nuove celle solari. Secondo un comunicato stampa, sono state identificate diverse perovskiti alogenate promettenti attraverso l’uso dell’apprendimento automatico (ML). Il ML è un ramo dell’intelligenza artificiale in cui i computer imparano da serie di dati o database messi a loro disposizione.
Le perovskiti rappresentano un nuovo gruppo promettente di materiali per le future applicazioni fotovoltaiche, grazie ai loro processi di produzione semplici e ai costi ridotti. È importante che i nuovi materiali abbiano un band gap adeguato, in modo da poter utilizzare l’energia solare in modo ottimale. Il band gap ha la proprietà di assorbire i fotoni con una certa energia e di convertirli in elettricità.
Il team dell’EPFL guidato da Haiyuan Wang e Alfredo Pasquarello ha sviluppato un modello di apprendimento automatico che è stato in grado di identificare 14 perovskiti completamente nuove tra 15.000 materiali. Si tratta di candidati eccellenti per le future celle solari ad alta efficienza. I ricercatori hanno così potuto dimostrare che l’uso del ML può accelerare in modo significativo la scoperta e la validazione di nuovi materiali fotovoltaici.
