هوش مصنوعی از جمله ابزارهایی است که ممکن است بتواند در تسریع روند توسعه‌ی فناوری سلول‌‌های خورشیدی قابل‌‌اسپری مفید واقع شود؛ فناوری نوینی که می‌‌تواند انقلابی در صنایع انرژی پاک به‌‌پا کند.

یک گروه پژوهشی در دانشگاه مرکزی فلوریدا از الگوریتم‌‌های یادگیری ماشینی (یا به‌‌عبارتی هوش مصنوعی) برای بهینه‌‌سازی مواد مورداستفاده در ساخت سلول‌‌های خورشیدی پروسکایت (PSC) بهره برده‌‌اند. پروسکایت‌‌ها انواعی از مواد معدنی با ترکیب کلسیم تیتانیوم اکسید (CaTiO3) بوده که از شکل‌‌وشمایل کریستالی با درخشش فلزی و نیمه‌‌فلزی برخوردار هستند و طی چند دهه‌‌ی اخیر توانسته‌‌اند ظرفیت خود را برای تولید نسل جدیدی از سلول‌‌های فتوولتائیک نشان دهند.

بلورهای پروسکایت می‌‌توانند هم به‌‌صورت مایع و هم به‌‌شکل جامد فراوری شوند که این امر انعطاف‌‌پذیری بالایی را در کاربردهای صنعتی این ماده فراهم می‌‌کند. کافی است تصور کنید بتوانید از این ماده به‌‌عنوان اسپری پاششی یا نوعی پوشش رنگ‌‌آمیزی روی سطوح پل‌‌ها، ساختمان‌‌ها و آسمان‌‌خراش‌‌ها استفاده کنید و از این طریق، انرژی نور خورشید را به الکتریسیته تبدیل کنید. تا به امروز، صنعت سلول‌‌های خورشیدی کاملا وابسته به سیلیکون بوده است و دلیل آن نیز به بازدهی بالای این ماده (حدود ۱۵ الی ۲۰ درصد) در تبدیل انرژی خورشیدی بازمی‌‌گردد. اما صنایع سلول‌‌های خورشیدی سیلیکونی یک فناوری قدیمی به‌‌شمار می‌‌آیند که با محدودیت‌‌های خاص خود در تولید مواجه هستند. مواد پروسکایت محدودیت‌‌های کاربردی رقیب خود را ندارند ولی هنوز با یک مانع بزرگ مواجه هستند و آن، اینکه تبدیل پروسکایت‌ها به مواد پایدار و قابل‌‌استفاده در صنعت خورشیدی اصلا کار ساده‌‌ای نیست. دانشمندان سال‌های زیادی را صرف یافتن یک دستورالعمل مؤثر برای ساخت سلول‌‌هایی پایدار، منعطف، پربازده و کم‌‌هزینه با استفاده از پروسکایت‌‌ها کرده‌‌اند. حالا شاید زمان آن رسیده که هوش مصنوعی نیز به‌‌کمک آن‌‌ها بیاید.

نتایج تحقیقات این گروه از دانشمندان به‌‌حدی امیدوارکننده بوده است که یافته‌‌های تازه در تاریخ ۱۳ دسامبر امسال روی جلد ژورنال علمی Advanced Energy Materials به‌‌چاپ رسیده است.

جایان توماس، رهبر تیم پژوهشی دانشگاه مرکزی فلوریدا که مسئولیت بازبینی نتایج ۲۰۰۰ مقاله‌‌ی منتشرشده درمورد پروسکایت را به‌‌عهده داشت.

این گروه از پژوهشگران بیش از ۲۰۰۰ عنوان مقاله‌‌ی منتشر شده درمورد پروسکایت‌‌ها را مورد بازبینی قرار دادند و پس از استخراج موفق بیش از ۳۰۰ نقطه‌‌داده، آن‌‌ها را به‌‌عنوان ورودی‌‌های یک سیستم هوش مصنوعی به‌‌کار گرفتند. این سیستم به‌‌گونه‌‌ای طراحی شده بود که توانایی تجزیه و تحلیل اطلاعات و پیش‌‌بینی بهترین ترکیب قابل‌‌استفاده برای ساخت سلول خورشیدی را داشته باشد. جایان توماس، رهبر مطالعه‌‌ی اخیر و استادیار مرکز NanoScience Technology می‌‌گوید:

یافته‌های ما نشان می‌‌دهد که ابزارهای هوش مصنوعی می‌‌توانند در ساخت مواد پروسکایت و بررسی فیزیک موجود در پس فناوری توسعه‌‌ی سلول‌‌های خورشیدی پروسکایتی پربازده مؤثر واقع شوند. همان‌‌گونه که آزمایش‌‌های تجربی ما نشان می‌‌دهد، این می‌‌تواند به‌منزله‌ی راهکاری برای طراحی مواد جدید قلمداد شود.

اگر این مدل درست جواب دهد، پژوهشگران می‌‌توانند به شناسایی بهترین فرمول برای تولید یک استاندارد جهانی امیدوار باشند. پژوهشگران می‌‌گویند اگر همه‌‌چیز مطابق میل پیش برود، می‌‌توان انتظار داشت فناوری سلول‌‌های خوشیدی قابل‌‌اسپری طی دهه‌‌های آتی عملیاتی شود. توماس و جین‌‌شین لی (از دانشجویان فارغ‌‌التحصیل و نویسنده‌‌ی اصلی مقاله) می‌‌گویند:

یافته‌‌های اخیر بسیار امیدوارکننده هستند؛ چراکه ما از داده‌‌های حاصل از آزمایش‌‌های واقعی برای پیش‌‌بینی و کشف الگوی محاسبات نظری بهره برده‌‌ایم. این موضوعی تازه در پژوهش‌‌های سلول‌‌‌‌های حوزه‌‌ی سلول‌‌های خورشیدی پروسکایت به‌‌شمار می‌‌آید. ما همچنین توانسته‌‌ایم بهترین فرمول برای ساخت سلول‌‌های خورشیدی را باکمک انواع پروسکایت‌‌ها با اختلاف باندهای متفاوت پیش‌‌بینی کنیم. پروسکایت‌‌ها از جمله موضوعات پژوهشی داغ طی ۱۰ سال گذشته بوده‌‌اند؛ اما اکنون معتقد هستیم چیزی در پیش داریم که می‌‌تواند ما را واقعا به‌‌جلو پیش ببرد.