‘Machine learning versnelt de ontdekking van perovskieten op zonnecellen’
Door het genereren van een dataset van nauwkeurige bandafstanden voor perovskietmaterialen en het gebruik van machine learning, zijn verschillende veelbelovende halogenide-perovskieten geïdentificeerd voor fotovoltaïsche toepassingen (Illustratie: Haiyuan Wang, Zwitsers Federaal Instituut voor Technologie Lausanne)
20 mei 2024 – Onderzoekers van het Zwitserse EPFL (École Polytechnique Fédérale de Lausanne) hebben een methode ontwikkeld om snel nieuwe perovskietmaterialen voor fotovoltaïsche toepassingen te ontdekken/ontwikkelen. De methode heeft inmiddels geleid tot de ontdekking van veertien nieuwe, veelbelovende materialen voor zonnecellen.
Het zoekmodel is gebaseerd op geavanceerde computationele technieken en machine learning, en maakt het mogelijk grote datasets nauwkeurig en gericht te doorzoeken. Het onderzoek laat volgens EPFL zien dat machine learning uitstekend kan worden ingezet om nieuwe fotovoltaïsche materialen te ontwikkelen, kosten te verlagen en de acceptatie van zonne-energie aanzienlijk te verbeteren. Dat draagt volgens het Zwitserse onderzoeksinstituut dan weer bij aan het terugdringen van de afhankelijkheid van fossiele brandstoffen en helpt bij de bestrijding van klimaatverandering.
