Pasukan penyelidik di University of Central Florida telah menerapkan Kecerdasan Buatan (AI) untuk penyelidikan sel suria perovskite (PSC) untuk mengembangkan sistem untuk mengenal pasti bahan terbaik. Bahan perovskite halida Organik-Anorganik yang digunakan dalam PSC membantu mengubah tenaga fotovoltaik menjadi tenaga habis. Sel suria perovskite ini dapat diproses dalam keadaan pepejal atau cair sehingga memberikan kelenturan.
Para penyelidik mengkaji lebih daripada 2000 penerbitan peer-review mengenai perovskites dan mengumpulkan lebih dari 300 titik data yang kemudian dimasukkan ke dalam algoritma pembelajaran mesin. Oleh itu, sistem menganalisis maklumat dan meramalkan resipi teknologi solar perovskite penyembur mana yang paling sesuai.
Para penyelidik mengatakan bahawa pendekatan pembelajaran mesin membantu mereka dalam memahami bagaimana mengoptimumkan komposisi bahan dan meramalkan strategi reka bentuk terbaik dan potensi prestasi sel suria perovskite. Ramalan pembelajaran mesin sesuai dengan had Shockley-Queisser. Pembelajaran mesin juga membantu dalam meramalkan tenaga orbit perbatasan optimum antara lapisan pengangkutan dan lapisan perovskite.
Sel surya penyemprot dapat digunakan untuk menyemburkan cat jembatan, bangunan, rumah, dan struktur lain untuk menangkap cahaya, mengubahnya menjadi tenaga dan memasukkannya ke grid elektrik. Adalah dijangkakan bahawa formula tersebut dapat menjadi resipi / panduan standar untuk membuat perovskites fleksibel, stabil, efisien, dan murah.
Penyelidikan ini diterbitkan dalam Bahan Tenaga Lanjutan (www.doi.org/10.1002/aenm.201970181).