Les cellules solaires à pérovskite émergent comme une alternative flexible et durable aux cellules solaires traditionnelles à base de silicium.

Des chercheurs de l’Institut de technologie de Karlsruhe (KIT) et de l’Institut Helmholtz d’Erlangen-Nuremberg (HI ERN) ont utilisé une combinaison d’intelligence artificielle (IA) et de synthèse automatisée à haut débit. Ils ont fait une découverte révolutionnaire.

Leur approche innovante a identifié de nouvelles molécules organiques qui améliorent considérablement l’efficacité des cellules solaires à pérovskite, obtenant des résultats en quelques semaines là où cela aurait pris des années. Cette avancée montre le potentiel transformateur de l’IA pour accélérer la découverte de matériaux et optimiser les technologies énergétiques.

Détection assistée par IA

L’équipe de recherche a commencé avec une base de données d’environ un million de molécules virtuelles, chacune dotée de propriétés structurales uniques. En utilisant des méthodes mécaniques quantiques, ils ont analysé 13 000 molécules sélectionnées au hasard pour des caractéristiques clés telles que les niveaux d’énergie, la polarité et la géométrie.

À partir de cet échantillon, 101 molécules aux propriétés les plus diverses ont été synthétisées à l’aide de systèmes robotiques au HI ERN. Ces molécules ont ensuite été testées dans des cellules solaires pour mesurer leur efficacité. Les données de ces expériences ont servi à entraîner un modèle d’IA, qui a ensuite suggéré 48 molécules supplémentaires pour la synthèse. Ce processus itératif a réduit la nécessité de centaines de milliers d’expériences, économisant ainsi un temps et des ressources précieux.

Résultats révolutionnaires

La stratégie guidée par l’IA a conduit à la découverte de molécules qui ont augmenté l’efficacité d’une cellule solaire de référence d’environ deux points de pourcentage, atteignant une impressionnante **efficacité de 26,2 %**. L’un des principaux avantages de cette méthode est sa capacité à identifier des matériaux performants inattendus, tels que ceux contenant des groupes chimiques comme les **amines**, qui avaient été négligés par l’intuition chimique traditionnelle. Le modèle d’IA a également donné la priorité aux molécules dont les prédictions étaient incertaines, conduisant à des découvertes surprenantes qui auraient pu être manquées avec des méthodes conventionnelles.

Applications plus larges

Cette approche pilotée par l’IA ne se limite pas aux cellules solaires. Elle peut être appliquée à d’autres domaines de la recherche sur les matériaux, tels que le développement de nouveaux matériaux pour **batteries** ou l’optimisation de composants entiers. Le succès de cette stratégie montre le potentiel de l’IA pour révolutionner la science des matériaux en accélérant la découverte de matériaux haute performance tout en minimisant les coûts. Par exemple, la même méthodologie pourrait être utilisée pour identifier des matériaux pour le stockage d’énergie, la catalyse ou même les produits pharmaceutiques, ouvrant ainsi de nouvelles possibilités d’innovation dans divers secteurs.

Conclusion

L’intégration de l’IA et de la synthèse automatisée s’est avérée être un véritable changement de paradigme dans la quête de meilleurs matériaux photovoltaïques. En utilisant l’IA pour prédire et hiérarchiser les molécules prometteuses, les chercheurs peuvent réaliser des percées plus rapidement et de manière plus efficace. Cette approche innovante non seulement fait avancer le domaine des cellules solaires à pérovskite, mais ouvre également la voie à de futures découvertes dans les matériaux énergétiques et au-delà. À mesure que l’IA continue d’évoluer, son rôle dans la science des matériaux devrait s’étendre, offrant de nouveaux outils pour relever certains des défis les plus pressants du monde en matière d’énergie et de durabilité.