Gli scienziati dell'EPFL hanno impiegato l’apprendimento automatico per trovare nuovi materiali di perovskite per le celle fotovoltaiche
Migliorare il fotovoltaico in perovskite con il machine learning
Quando si parla di fotovoltaico in perovskite non ci si riferisce ad un solo materiale, bensì ad una classe potenzialmente immensa di composti con prestazioni differenti e in parte ancora da portare alla luce. Uno dei principali fattori determinanti per valutare la bontà dei nuovi materiali per le celle solari è il “band gap” o “intervallo di banda“. Di cosa si tratta? Di uno uno specifico intervallo di energia che rappresenta l’energia minima necessaria per spostare un elettrone dalla sua banda di valenza alla banda di conduzione. Nel fotovoltaico determina l’efficienza con cui un materiale può assorbire la luce solare e convertirla in elettricità senza perderla sotto forma di calore.
leggi anche Le prime celle solari in perovskite stampate roll-to-roll ad alta efficienza
Prevedere i band gap delle perovskiti è essenziale per migliorare questo segmento fotovoltaico ma l’ampio bacino di materiali e strutture chimiche rende l’operazione ardua.
Arriva in aiuto un progetto di ricerca dello svizzero EPFL guidato da Haiyuan Wang e Alfredo Pasquarello, con collaboratori a Shanghai e Louvain-La-Neuve. L’iniziativa ha sviluppato un metodo che combina tecniche computazionali avanzate con l’apprendimento automatico per cercare nuovi materiali per le celle fotovoltaiche. “L’approccio potrebbe portare a pannelli solari più efficienti ed economici, trasformando gli standard del settore“, si legge in una nota stampa del politecnico elvetico.
Identificati 14 nuovi materiali per celle solari da un database di 15mila perovskiti
Il gruppo ha iniziato sviluppando un set di dati completo e di alta qualità di valori di intervallo di banda per 246 materiali di perovskite. “Il set di dati è stato costruito utilizzando calcoli avanzati basati su funzionali ibridi, un tipo sofisticato di calcolo che include lo scambio di elettroni e migliora la più convenzionale teoria del funzionale della densità (DFT)“, aggiunge l’EPFL
Il set risultante ha fornito una solida base per identificare materiali di perovskite con proprietà elettroniche ottimali per applicazioni fotovoltaiche. Quindi gli scienziati hanno usato questi calcoli per creare un modello di apprendimento automatico, lo hanno addestrato sulle 246 perovskiti sopracitate e quindi lo hanno applicato a un database di circa 15.000 nuovi materiali candidati. L’approccio ha permesso ai ricercatori di identificare 14 nuove perovskiti per le celle solari. Si tratta in tutti i casi di materiali con band gap e stabilità energetica sufficientemente elevata da renderli promettenti nel campo dell’energia solare. I risultati della ricerca sono stati pubblicati a maggio su JACS (testo in inglese).
leggi anche Zavorre per fotovoltaico Sun Ballast: dal 2012 una garanzia per gli impianti sul tetto
