센트럴 플로리다 대학의 연구팀은 최고의 재료를 식별하는 시스템을 개발하기 위해 인공 지능 (AI) 을 페 로브 스카이 트 태양 전지 (PSC) 연구에 적용했습니다. PSC에 사용되는 유기-무기 할로겐화물 페 로브 스카이 트 재료는 광전지 전력을 소비 가능 에너지로 변환하는 데 도움이됩니다. 이러한 페 로브 스카이 트 태양 전지는 고체 또는 액체 상태로 처리 할 수있어 유연성을 제공합니다.
연구원들은 페 로브 스카이 트에 대한 2000 개 이상의 동료 검토 간행물을 검토하고 300 개 이상의 데이터 포인트를 수집하여 머신 러닝 알고리즘에 입력했습니다. 그 후, 시스템은 정보를 분석하고 스프레이-온 페 로브 스카이 트 태양 광 기술의 어떤 레시피가 가장 효과적 일지 예측했습니다.
연구원들은 기계 학습 접근 방식이 재료 구성 을 최적화 하는 방법을 이해 하고 페 로브 스카이 트 태양 전지 의 최상의 설계 전략 과 잠재적 인 성능을 예측 하는 데 도움이되었다고 말했습니다. 기계 학습 예측은 Shockley-Queisser 한계와 일치했습니다. 기계 학습은 또한 전송 레이어와 페 로브 스카이 트 레이어 사이의 최적의 경계 궤도 에너지를 예측하는 데 도움이되었습니다.
스프레이 온 태양 전지는 다리, 건물, 주택 및 기타 구조물에 스프레이 페인트를 사용하여 빛을 포착하고 에너지로 전환하여 전력망에 공급할 수 있습니다. 이 공식은 유연하고 안정적이며 효율적이며 저렴한 페 로브 스카이 트를 만들기위한 표준 레시피 / 가이드가 될 수있을 것으로 예상됩니다.
이 연구는 Advanced Energy Materials (www.doi.org/10.1002/aenm.201970181) 에 게재되었습니다.