Эта ультратонкая солнечная технология может питать всё — от телефонов до небоскребов
Шведские исследователи раскрыли скрытую структуру перспективного солнечного материала с помощью машинного обучения, что может привести к созданию сверхэффективных и гибких солнечных элементов
Короткое резюме
Исследователи Технологического университета Чалмерса в Швеции совершили важный прорыв в понимании галогенидных перовскитов — одних из самых многообещающих материалов для производства эффективных, гибких и легких солнечных элементов. Используя компьютерное моделирование и машинное обучение, ученые смогли раскрыть структуру кристаллического соединения формиадиния свинца йодида при низких температурах — давнюю загадку, которая препятствовала оптимальному использованию этого материала. Это открытие является ключевым для проектирования и контроля как самого материала, так и смесей на его основе.
Исследователи обнаружили, что молекулы формиадиния застревают в полустабильном состоянии при охлаждении материала. Сочетание стандартных методов с машинным обучением позволило проводить симуляции, которые в тысячи раз длиннее, чем раньше, и включать миллионы атомов вместо сотен, что приближает модели к реальным условиям. Для подтверждения результатов ученые сотрудничали с экспериментальными исследователями из Бирмингемского университета, охлаждая материал до -200°C и убеждаясь, что эксперименты соответствуют симуляциям.
Это достижение особенно актуально в контексте быстрорастущего глобального потребления электроэнергии, которое, по прогнозам Международного энергетического агентства, превысит 50% от общего мирового энергопотребления через 25 лет по сравнению с текущими 20%. Разработка новых материалов может дать нам значительно более эффективные солнечные элементы, чем существующие — настолько тонкие и гибкие, что они могут покрывать что угодно, от мобильных телефонов до целых зданий.
Текст сгенерирован с использованием ИИ
Ключевые выводы
Раскрытие структуры материала
Определена низкотемпературная фаза формиадиния свинца йодида
Инновационные методы моделирования
Машинное обучение позволило симулировать миллионы атомов
Экспериментальное подтверждение
Результаты симуляций подтверждены лабораторными экспериментами
Практическая значимость
Ключ к созданию эффективных и стабильных солнечных элементов
Ключ. выводы подготовлены с использованием ИИ