AI per materiali fotovoltaici alla perovskite ancora più efficienti

Grazie all’intelligenza artificiale i ricercatori hanno trovato in tempi record molecole innovative che innalzano l’efficienza delle celle solari alle perovskiti.

Una delle nuove molecole ha portato le celle di riferimento da circa il 24,2% al 26,2% di efficienza, con un aumento di quasi due punti percentuali, significativo su scala di laboratorio.

Tale risultato è arrivato in poche settimane, evitando centinaia di migliaia di test tradizionali e tempi di lavoro molto più lunghi.

È quanto emerge dallo studio di un gruppo di ricercatori, coordinati dal Karlsruher Institut für Technologie e l’Helmholtz Institute Erlangen-Nuremberg, in Germania, in collaborazione con istituti di Corea del Sud e Cina, che hanno combinato Intelligenza Artificiale (AI) e processi di sintesi automatizzata. Lo studio è stato pubblicato su Science.

Un milione di molecole virtuali

Al centro della ricerca c’è un’enorme banca dati di molecole virtuali, circa un milione. Molte di queste sostanze potrebbero essere sintetizzate partendo da composti disponibili sul mercato. Ma sarebbe praticamente impossibile testarle tutte una per una, almeno con i metodi di laboratorio tradizionali.

Il gruppo di ricerca si è concentrato su un sottogruppo di 13mila molecole, usando metodi di calcolo quanto-meccanico per stimare proprietà come livelli di energia, polarità e geometria. Questa prima “scrematura” ha permesso di eliminare molecole chiaramente poco promettenti, restringendo ulteriormente il campo.

Il passo successivo è stato scegliere 101 molecole da sintetizzare realmente, puntando sulla loro massima diversità. In altre parole, i ricercatori hanno incluso campioni con proprietà chimico-fisiche ben differenti, così da coprire uno spettro di possibilità il più ampio possibile.

Questo approccio ha ridotto drasticamente i tempi, consentendo una produzione omogenea delle celle da testare. Ogni molecola è stata cioè integrata in celle solari identiche, per misurarne l’efficienza in modo comparabile.

Il risultato è che si sono ottenuti 101 dati sperimentali di alta qualità, con valori di performance ben definiti.

Dati sempre più affinati con l’AI

Il passo cruciale che i ricercatori hanno poi compiuto è stato quello di usare questi risultati per “addestrare” un modello di machine learning o di apprendimento automatico. L’AI, analizzando le prestazioni delle prime 101 molecole, ha individuato relazioni e correlazioni utili a prevedere l’efficienza di molte altre.

L’AI ha quindi suggerito 48 nuove molecole da sintetizzare e testare, adottando due criteri: un alto potenziale di efficienza e, in alcuni casi, proprietà ancora poco prevedibili.

Quest’ultimo criterio, indicando relazioni e correlazioni poco studiate e ipotizzabili anche dall’AI, risulta un’indicazione preziosa in sé stessa. In altre parole, è specialmente quando l’AI “dichiara” di non essere sicura, che vale la pena investigare, perché potrebbero emergere materiali inaspettatamente validi.

I ricercatori hanno sottolineato che non è garantito che si sia scoperta la “migliore” molecola possibile in assoluto.

Tuttavia, “con soli 150 esperimenti mirati, siamo riusciti a ottenere una scoperta che altrimenti avrebbe richiesto centinaia di migliaia di test. Il flusso di lavoro che abbiamo sviluppato aprirà nuove strade per scoprire in modo rapido ed economico materiali ad alte prestazioni per un’ampia gamma di applicazioni”, ha dichiarato Christoph Brabec, dell’Helmholtz Institute Erlangen-Nuremberg, in una nota.

Possibili sviluppi e altri campi di applicazione

Questo approccio non si limita dunque al solo fotovoltaico. Le stesse tecniche potrebbero essere usate per scovare materiali innovativi in diversi ambiti, ad esempio batterie di nuova generazione o altri dispositivi energetici.

In tutti questi casi, si procede costruendo enormi database di molecole virtuali, che vengono poi filtrati con algoritmi di apprendimento automatico. Le sintesi e i test di un numero limitato di campioni selezionati forniscono dati reali per migliorare ulteriormente le previsioni.

Sebbene lo studio in questione si sia concentrato sull’efficienza delle celle alle perovskiti, per la vera diffusione commerciale di questi film sottili sarà cruciale risolvere in pieno il problema della stabilità (Industria fotovoltaica europea: competizione globale, investimenti, innovazioni).

In molte ricerche, questo aspetto sta diventando prioritario: moduli che lavorano per decenni senza grossi cali di prestazione sono fondamentali per il mercato del fotovoltaico (La qualità ha un prezzo anche nella produzione dei moduli fotovoltaici).

Celle tandem in silicio/perovskite, interfacce protettive e altri accorgimenti promettono di migliorare la durabilità, ma la strada è ancora lunga.

La speranza è che, anche in termini di maggiore durabilità, e non solo di maggiore efficienza, l’AI possa accelerare il processo, individuando strati e additivi che prevengano la degradazione.

Articolo a cura di Lorenzo Vallecchi

Vuoi leggere altri articoli di approfondimento? Abbonati a QualEnergia.it