太阳能行业和研究界已经将大量工作投入到一种或两种钙钛矿材料中，这些材料已显示出高效太阳能发电的潜力然而，钙钛矿这一术语指的是一类具有特殊晶体结构的材料，并且根据麻省理工学院(麻省理工学院)可能的材料组合包含了大量的“几乎无限”的材料。
因此，搜索它们以识别具有强太阳能电池潜力的材料是一个缓慢的过程。正如加利福尼亚大学圣地亚哥分校最近的工作所证明的那样，计算机建模可以帮助缩小候选人的范围，但实际上，科学家必须经历在实验室中合成和分析材料的艰苦过程。
麻省理工学院的科学家表示，通过开发一个允许对各种材料进行平行测试并利用机器学习来进一步推动事物的系统，他们已经能够将该过程加速十倍。麻省理工学院机械工程教授Tonio Buonassisi表示，他的团队的目标是将新能源转换材料的开发时间缩短到不到两年。
机器学习
Buonassisi解释了速度的大部分改进来自跟踪和计时所涉及的步骤以及增加同时测试的材料数量。“我们现在能够使用相同的材料平台获得大量不同的成分，”他说。“它使我们能够探索广泛的参数空间。”
添加机器学习技术进一步减少了所需的时间。该团队使用X射线衍射来观察材料结构的细节，并应用机器学习对结果进行分类。麻省理工学院表示，将所需时间从3-5小时减少到略多于5分钟，同时保持90%的准确度。
在通过高通量合成和机器学习诊断加速开发Perovsite Inspired-Materials的论文-发表于Joule期刊-该团队描述了将该工艺应用于75种配方，从而发现了两种新的无铅钙钛矿，值得进一步研究作为潜在的太阳能电池材料
现在，研究人员计划进一步利用自动化来继续提高处理速度，以便对新材料进行分类。Buonassisi说，他的团队的另一个目标是实现经济可持续的太阳能发电价格低于0.02美元/千瓦时。“所有你需要做的就是制作一种材料，”他说。“我们正在制作所有实验部件，以便我们能够更快地进行探索。”
