机器学习促进新型钙钛矿太阳能电池材料的发现

CEST研究人员使用机器学习来加速钙钛矿合金材料的计算研究。CEST小组的研究人员发表了一项研究，证明了机器学习方法在识别合适的钙钛矿太阳能电池材料方面的有效性。与传统的硅基太阳能电池相比，钙钛矿太阳能电池由于其高效率和从根本上降低制造成本的潜力而受到广泛关注。

尽管钙钛矿太阳能电池的质量很有前途，但由于它们在高温和潮湿等环境压力下的快速降解，阻碍了钙钛矿太阳能电池的商业化。它们还含有可能对环境产生负面影响的有毒物质。

寻找不存在这些问题的新型钙钛矿材料的工作正在进行中，但既定的实验和计算研究方法无法处理大量需要试验和测试的候选材料。

CEST成员JarnoLaakso和PatrickRinke与来自图尔库大学和中国的合作者开发了新的基于机器学习的方法来快速预测钙钛矿特性。这种新方法加速了计算，可用于研究钙钛矿合金。

这些合金材料包含许多改进太阳能电池材料的候选材料，但使用传统的计算方法很难研究它们。

研究人员通过为CsPbCl3和CsPbBr3钙钛矿合金找到最稳定的混合分数，证明了新方法的有效性。拥有一种研究钙钛矿合金稳定性的有效方法是设计更能抵抗降解的太阳能电池的关键一步。

在这项研究中应用于钙钛矿的相同方法可以促进其他新合金材料的发现。在他们的机器学习方法取得初步成功后，Laakso和合作者正在研究更复杂的钙钛矿合金，以发现高效、无毒且不易降解的太阳能电池材料。