Con IA, más rápido hacia mejores materiales fotovoltaicos

Uno en un millón: La inteligencia artificial ayuda a los científicos en su búsqueda de nuevos materiales para células solares de alta eficiencia. (Foto: Kurt Fuchs/HI ERN)

Las células solares de perovskita se consideran una alternativa flexible y sostenible a las células solares tradicionales de silicio. Investigadores del Instituto de Tecnología de Karlsruhe (KIT) pertenecen a un equipo internacional que en pocas semanas encontró nuevos moléculas orgánicas con las que se puede aumentar la eficiencia de las células solares de perovskita. El equipo combinó hábilmente el uso de IA con síntesis automatizada de alto rendimiento. La estrategia desarrollada es transferible a otros campos de la investigación de materiales, como la búsqueda de nuevos materiales para baterías. Los investigadores informan actualmente en Science (DOI: 10.1126/science.ads0901).

Quien quiera identificar entre un millón de moléculas aquellas que hacen que las células solares de perovskita sean especialmente eficientes como conductoras de carga positiva, debe producir y probar esas millones de moléculas, o proceder como lo hicieron investigadores de todo el mundo, en colaboración con el profesor titular Pascal Friederich del Instituto de Nanotecnología del KIT y el profesor Christoph Brabec del HI ERN. "Con solo 150 experimentos dirigidos se pudo lograr un avance que de otra forma requeriría cientos de miles de pruebas. El flujo de trabajo desarrollado abre nuevas posibilidades para el descubrimiento rápido y económico de materiales potentes en una variedad de campos de aplicación", dice Brabec. Con uno de los materiales descubiertos de esta manera, aumentaron la eficiencia de una célula solar de referencia en aproximadamente dos puntos porcentuales, hasta el 26,2%. "Este éxito demuestra que, con una estrategia inteligente, se puede ahorrar mucho tiempo y recursos en el desarrollo de nuevos materiales energéticos", afirma Friederich.

El punto de partida en el HI ERN fue una base de datos con las fórmulas estructurales de aproximadamente un millón de moléculas virtuales, que serían fabricables a partir de sustancias comerciales. De esas 13,000 moléculas virtuales, seleccionadas al azar, los investigadores del KIT calcularon con métodos cuánticos establecidos los niveles de energía, polaridad, geometría y otras características.

Entrenamiento de IA con datos de solo 101 moléculas

De esas 13,000 moléculas, los investigadores seleccionaron nuevamente 101 que diferían en sus características lo máximo posible. Estas fueron fabricadas automáticamente en el HI ERN con la ayuda de un sistema robotizado y se produjeron células solares iguales en su estructura. Luego midieron su eficiencia. "Para el éxito de nuestra estrategia, fue fundamental que, gracias a nuestra plataforma de síntesis altamente automatizada, pudiéramos producir muestras realmente comparables y, por tanto, obtener valores confiables de eficiencia", dice Christoph Brabec, quien dirigió los trabajos en el HI ERN.

Con las eficiencias logradas y las características de las moléculas correspondientes, los investigadores del KIT entrenaron un modelo de IA. El modelo sugirió luego otras 48 moléculas para su síntesis, basándose en dos criterios: una alta eficiencia esperada y propiedades impredecibles. "Cuando el modelo de aprendizaje automático no está seguro de predecir la eficiencia, vale la pena fabricar la molécula para estudiarla más de cerca", explica Pascal Friederich el segundo criterio. "Podría sorprender con una alta eficiencia".

De hecho, con las moléculas propuestas por la IA, se pudieron construir células solares con eficiencia superior a la media, incluyendo algunas que superan a los materiales más modernos. "No podemos estar seguros de haber encontrado realmente lo mejor entre un millón de moléculas, pero sin duda estamos cerca del óptimo", dice Friederich, profesor titular en inteligencia artificial en ciencia de materiales.

IA versus intuición química

Los investigadores pueden entender en cierta medida las propuestas de moléculas de la IA, ya que la IA utilizada indica qué características de las moléculas virtuales fueron decisivas para sus sugerencias. Se observó que las propuestas de la IA a veces también se basaban en características, como la presencia de ciertos grupos químicos, por ejemplo aminas, que los químicos habían considerado menos anteriormente.

Christoph Brabec y Pascal Friederich están convencidos de que su estrategia es prometedora para la investigación de materiales en otros campos o para la optimización de componentes completos.

Los resultados de la investigación, realizados en colaboración con investigadores de la Universidad de Erlangen-Núremberg, del Instituto Nacional de Ciencia de Ulsan en Corea del Sur, de la Universidad de Xiamen en China y de la Universidad de Ciencia y Tecnología Electrónica en Chengdu, China, fueron publicados recientemente en la prestigiosa revista "Science" (ffr).

Publicación original

Jianchang Wu, Luca Torresi, ManMan Hu, Patrick Reiser, Jiyun Zhang, Juan S. Rocha-Ortiz, Luyao Wang, Zhiqiang Xie, Kaicheng Zhang, Byung-wook Park, Anastasia Barabash, Yicheng Zhao, Junsheng Luo, Yunuo Wang, Larry Luer, Lin-Long Deng, Jens A. Hauch, Dirk M. Guldi, M. Eugenia Pérez-Ojeda, Sang Il Seok, Pascal Friederich, Christoph J. Brabec: Diseño inverso de semiconductores de transporte de huecos moleculares adaptados para células solares de perovskita. Science, 2024. DOI 10.1126/science.ads0901.