Células solares de perovskita estão surgindo como uma alternativa flexível e sustentável às células solares tradicionais baseadas em silício.

Pesquisadores do Instituto de Tecnologia de Karlsruhe (KIT) e do Instituto Helmholtz Erlangen-Nürnberg (HI ERN) utilizaram uma combinação de inteligência artificial (IA) e síntese automatizada em alta produtividade.

Eles fizeram uma descoberta inovadora. Seu método inovador identificou novas moléculas orgânicas que aumentam significativamente a eficiência das células solares de perovskita, alcançando resultados em apenas algumas semanas que, de outra forma, levariam anos. Essa descoberta demonstra o potencial transformador da IA na aceleração da descoberta de materiais e na otimização de tecnologias energéticas.

Descoberta Impulsionada por IA

A equipe de pesquisa começou com um banco de dados de aproximadamente um milhão de moléculas virtuais, cada uma com propriedades estruturais únicas. Usando métodos quânticos, eles analisaram 13.000 moléculas selecionadas aleatoriamente quanto a características-chave como níveis de energia, polaridade e geometria.A partir desse subconjunto, 101 moléculas com as propriedades mais diversas foram sintetizadas utilizando sistemas robóticos no HI ERN. Essas moléculas foram então testadas em células solares para medir sua eficiência. Os dados desses experimentos foram usados para treinar um modelo de IA, que posteriormente sugeriu 48 moléculas adicionais para síntese. Esse processo iterativo reduziu a necessidade de centenas de milhares de experimentos, economizando tempo e recursos significativos.

Resultados Inovadores

A estratégia guiada por IA levou à descoberta de moléculas que aumentaram a eficiência de uma célula solar de referência em aproximadamente dois pontos percentuais, atingindo uma impressionante eficiência de 26,2%. Uma das principais vantagens desse método é sua capacidade de identificar materiais de alto desempenho inesperados, como aqueles contendo grupos químicos como aminas, que haviam sido ignorados pela intuição química tradicional. O modelo de IA também priorizou moléculas com previsões incertas, levando a descobertas surpreendentes que poderiam ter sido perdidas usando métodos convencionais.

Aplicações Mais Abrangentes

Essa abordagem impulsionada por IA não se limita às células solares. Ela pode ser aplicada a outras áreas de pesquisa de materiais, como o desenvolvimento de novos materiais de bateria ou a otimização de componentes inteiros. O sucesso dessa estratégia demonstra o potencial da IA para revolucionar a ciência dos materiais, acelerando a descoberta de materiais de alto desempenho e minimizando custos. Por exemplo, a mesma metodologia poderia ser utilizada para identificar materiais para armazenamento de energia, catálise, ou até mesmo produtos farmacêuticos, abrindo novas possibilidades para a inovação em diversas indústrias.

Conclusão

A integração de IA e síntese automatizada provou ser um elemento transformador na busca por melhores materiais fotovoltaicos. Ao aproveitar a IA para prever e priorizar moléculas promissoras, os pesquisadores podem alcançar avanços de forma mais rápida e eficiente. Essa abordagem inovadora não apenas avança o campo das células solares de perovskita, mas também abre caminho para descobertas futuras em materiais energéticos e além. À medida que a IA continua a evoluir, seu papel na ciência dos materiais provavelmente se expandirá, oferecendo novas ferramentas para lidar com alguns dos desafios mais urgentes do mundo em energia e sustentabilidade.