Investigadores de la Universidad Tecnológica de Chalmers de Suecia han realizado simulaciones por ordenador y aprendizaje automático, mejorando así la comprensión de la comunidad científica sobre el funcionamiento de los materiales de perovskita para mejorar el rendimiento de las células solares.
Las perovskitas de haluro son un grupo de materiales que se consideran muy prometedores y rentables para su aplicación en células solares flexibles y ligeras. Esto se debe a que muchos de estos materiales absorben y emiten luz de una manera extremadamente eficiente. Sin embargo, los materiales de perovskita pueden degradarse rápidamente y, para saber cuál es la mejor manera de aplicar estos materiales, se requiere una comprensión más profunda de por qué sucede esto y cómo funciona el material.
Mediante simulaciones informáticas avanzadas y aprendizaje automático, un equipo de investigación del Departamento de Física de la Universidad Tecnológica de Chalmers estudió una serie de materiales de perovskita 2D, obteniendo información sobre los factores que influyen en las propiedades. Los resultados de la investigación se han publicado en ACS Energy Letters.
Al representar el material en simulaciones por ordenador y someterlo a diferentes escenarios, los investigadores pudieron sacar conclusiones sobre cómo reaccionan los átomos del material cuando se exponen al calor o a la luz. La diferencia entre las simulaciones y los experimentos es que se puede observar, a un nivel detallado, exactamente qué llevó a los puntos de medición finales en los experimentos, proporcionando una visión mucho más amplia de cómo funcionan las perovskitas 2D, según explican los investigadores.
Estabilidad y eficiencia de las perovskitas 2D
Los materiales de perovskita 2D están compuestos por capas inorgánicas apiladas una sobre otra, separadas por moléculas orgánicas. Comprender los mecanismos precisos que influyen en la interacción entre las capas y estas moléculas es crucial para diseñar células solares de perovskita eficientes y estables.
El aprendizaje automático ha permitido estudiar sistemas más grandes, durante un período más largo de lo que era posible con los métodos estándar utilizados hasta ahora. Este sistema proporciona una visión mucho más amplia que antes, pero también la capacidad de estudiar los materiales con mucho más detalle. Los investigadores señalan que el aprendizaje automático permite ver que cada capa del material se comporta de manera diferente, lo que resulta muy difícil de detectar experimentalmente.
Así, los expertos han podido comprender de dónde proviene la estabilidad en los materiales de perovskita 2D y, por lo tanto, posiblemente predecir qué enlaces y dimensiones pueden hacer que el material sea más estable y más eficiente al mismo tiempo. En definitiva, los resultados de esta investigación proporcionan una mayor comprensión de cómo se pueden utilizar los materiales de perovskita 2D para diseñar células solares.