Машинне навчання допомогло вдосконалити сонячні матеріали

Нове дослідження вчених Технологічного університету Чалмерса у Швеції демонструє, як поєднання суперкомп’ютерного моделювання та машинного навчання дозволяє розкрити складну поведінку галогенідних перовскітів — перспективних матеріалів для майбутніх сонячних технологій.

Формамідіній йодид свинцю вважається одним з найефективніших матеріалів у групі галогенідних перовскітів, оскільки він має перспективні властивості для майбутніх технологій сонячних батарей. Нові відкриття вчені з університету Чалмерса можуть пролити світло на його структуру, що має вирішальне значення для розробки та контролю цього матеріалу. Джерело: Чалмерс

Глобальний попит на електроенергію швидко зростає, і, за прогнозами, протягом найближчих 25 років його частка у світовому енергоспоживанні перевищить 50%. Це робить особливо актуальними пошуки матеріалів для більш ефективних і стійких сонячних елементів. «Наші результати мають важливе значення для розробки та контролю одного з найперспективніших матеріалів для сонячних елементів з метою його оптимального використання», — підкреслила Джулія Віктор, провідна авторка дослідження.

Особлива увага була приділена формамідиній йодиду свинцю — кристалічній сполуці з відмінними оптоелектронними властивостями. Його використання стримувала нестабільність, однак дослідники показали, що цю проблему можна долати шляхом змішування з іншими перовскітами. Ключем до цього стало пояснення низькотемпературної фази матеріалу, яка тривалий час залишалася загадкою. «Низькотемпературна фаза цього матеріалу довгий час була відсутньою частиною дослідницької головоломки», — пояснила Сангета Дутта.

Поєднання комп’ютерного моделювання та машинного навчання дозволило створювати набагато триваліші симуляції, що враховують мільйони атомів замість сотень. «І наші моделі тепер можуть містити мільйони атомів замість сотень, що наближає їх до реального світу», — додала Дутта. Для перевірки результатів команда співпрацювала з експериментаторами з Бірмінгемського університету, які охолодили матеріал до –200 °C, щоб підтвердити правильність моделей.

Цей прорив демонструє, як сучасні методи машинного навчання можуть суттєво прискорити розробку матеріалів для сонячних елементів нового покоління. Як зазначив Ерік Франссон з кафедри фізики Чалмерса, отримані знання тепер можуть бути застосовані до ще складніших систем, відкриваючи шлях до створення тонких, гнучких і надзвичайно ефективних сонячних панелей для майбутнього енергетики.