Un equipo internacional de científicos ha logrado avances significativos en el desarrollo de células solares de perovskita, utilizando herramientas de aprendizaje automático para mejorar la eficiencia de estos dispositivos. En su estudio, publicado en la revista Science, los investigadores describen cómo emplearon un algoritmo de machine learning para identificar nuevos materiales que podrían optimizar el rendimiento de las células solares, específicamente en la capa de transporte de agujeros.
Innovaciones en materiales para células solares
La capa de transporte de agujeros es un componente esencial en las células solares, ya que se encarga de transportar los pares de electrones y huecos generados tras la absorción de un fotón por el semiconductor. La eficacia de este transporte es crucial para determinar la eficiencia global de la célula solar, lo que a su vez está directamente relacionado con el material del que está compuesta dicha capa.
Hasta la fecha, los materiales efectivos para esta función han sido escasos y han sido descubiertos principalmente a través de experimentos basados en estructuras ya existentes, sin un entendimiento profundo de sus propiedades fundamentales. En esta nueva investigación, el equipo ha adoptado un enfoque innovador, aprovechando el potencial del aprendizaje automático para acelerar el descubrimiento de nuevos materiales.
El algoritmo de machine learning fue alimentado con un conjunto de 101 moléculas seleccionadas de un vasto conjunto de más de un millón de candidatos. Se fabricaron células solares de prueba utilizando los materiales sintetizados, cuyos resultados fueron utilizados para entrenar al algoritmo. Este, a su vez, generó una lista de 24 nuevos candidatos prometedores.
Posteriormente, los investigadores sintetizaron estos materiales y los incorporaron en células solares para su evaluación. Tras múltiples rondas de pruebas, el equipo logró identificar un material de transporte de agujeros que permitió la construcción de células solares de perovskita con eficiencias de hasta el 26,2%. Este nuevo rendimiento se aproxima al récord actual de 26,7%, lo que representa un avance notable en la búsqueda de alternativas sostenibles para la generación de energía.
Además, los investigadores señalaron que durante el proceso de prueba se produjeron varios materiales que se acercaron a la máxima eficiencia, lo que sugiere que su enfoque podría facilitar el desarrollo de aún más candidatos capaces de superar los límites actuales de eficiencia en células solares de perovskita.
Más información:
Jianchang Wu et al, Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells, Science (2024).
DOI: 10.1126/science.ads0901
© 2024 Science X Network
