Un projet de recherche de l’EPFL recourt à une méthode basée sur l’apprentissage automatique pour effectuer des recherches rapides et précises dans de grandes bases de données.  Cette démarche a permis de découvrir 14 nouveaux matériaux pour les cellules photovoltaïques, explique le texte de Nik Papageorgiou, de l’EPFL, d’où a été tiré, pour l’essentiel l’article ci-après.

Le développement très rapide de l’électricité photovoltaïque impose de rechercher des matériaux capables de convertir efficacement la lumière du soleil en courant électrique . Le silicium a été à la pointe du domaine de la technologie solaire jusqu’à présent on assiste à une évolution vers des matériaux appelés pérovskites, en raison de leurs coûts moins élevés et de leurs processus de fabrication plus simples.

Identifier la  » bande interdite »

Le défi consiste à trouver des pérovskites avec une «bande interdite» adaptée,  une plage d’énergie spécifique qui détermine l’efficacité d’un matériau à absorber la lumière solaire et à la convertir en électricité sans perte de chaleur.

Dans le cadre d’un projet de recherche de l’EPFL, Haiyuan Wang et Alfredo Pasquarello, en collaboration avec des chercheurs de Shanghai et de Louvain-La-Neuve, ont mis au point une méthode qui combine des techniques de calcul avancées et l’apprentissage automatique afin d’identifier les meilleurs matériaux pérovskites pour le photovoltaïque. Cette  voie approche aboutirait à la production de panneaux solaires plus efficaces et moins coûteux, faisant évoluer en retour les normes de l’industrie solaire.

Comprendre les échanges d’électrons

Chercheuses et chercheurs ont développer un ensemble de données complet et de grande qualité sur les valeurs de bande interdite de 246 matériaux pérovskites. L’ensemble de données a été créé à l’aide de calculs avancés, basés sur des fonctionnelles hybrides – un type de calcul sophistiqué qui comprend l’échange d’électrons et améliore la théorie de la fonctionnelle de la densité (DFT) plus classique. La DFT est une méthode de modélisation de la mécanique quantique servant à étudier la structure électronique de systèmes à plusieurs corps tels que les atomes et les molécules.

Les fonctionnelles hybrides utilisées étaient «dépendantes du diélectrique», ce qui signifie qu’elles intégraient les propriétés de polarisation électronique du matériau dans leurs calculs. La précision des prédictions de bande interdite a été améliorée, ce qui est important pour les pérovskites, dans lesquelles l’interaction électronique et les effets de polarisation sont indispensables pour les propriétés électroniques.

L’équipe a ensuite repris les calculs de bande interdite pour développer un modèle d’apprentissage automatique en l’entraînant sur les 246 pérovskites. Le modèle a été appliqué à une base de données d’environ 15 000 matériaux candidats pour les cellules photovoltaïques, réduisant la recherche aux pérovskites les plus prometteuses . Le modèle a identifier 14 nouvelles pérovskites, présentant toutes des bandes interdites et une stabilité énergétique suffisamment élevée pour en faire d’excellents candidats pour les cellules photovoltaïques à haut rendement.

Ces travaux montrent que la découverte et la validation de nouveaux matériaux photovoltaïques peut diminuer les coûts et accélérer considérablement l’adoption de l’énergie solaire, réduisant la dépendance aux combustibles fossiles.

Autres contributeurs

Fonds national suisse de la recherche scientifiq(FNS) Fondation nationale des sciences naturelles de Chine

Références

Haiyuan Wang, Runhai Ouyang, Wei Chen, Alfredo Pasquarello. High-quality data enabling universality of band gap descriptor and discovery of new photovoltaic perovskites. JACS, 2 mai 2024. DOI: 10.1021/jacs.4c03507

Auteur: