Selección de aditivos asistida por modelos de lenguaje grandes para el control sinérgico de defectos y cristalización...

Área de la Ciencia:

• Ciencia de Materiales
• Energía Renovable
• Inteligencia Artificial

Sus antecedentes:

• Las celdas solares de perovskita requieren aditivos precursores para mejorar la eficiencia y la estabilidad.
• La selección actual de aditivos se basa en métodos ineficientes de prueba y error.

Objetivo del estudio:

• Aprovechar el modelo de lenguaje grande (Perovskite-R1) para la identificación rápida de aditivos efectivos para celdas solares de perovskita.
• Investigar las mejoras de rendimiento y estabilidad ofrecidas por el aditivo identificado, clorhidrato de etil 2-aminopropanoato (EAH).

Principales métodos:

• Se utilizó el modelo de lenguaje grande Perovskite-R1 para el descubrimiento de aditivos.
• Se sintetizó e incorporó clorhidrato de etil 2-aminopropanoato (EAH) en dispositivos de celdas solares de perovskita.
• Se caracterizó el rendimiento del dispositivo, incluida la eficiencia de conversión de potencia (PCE) y la estabilidad a largo plazo.

Principales resultados:

• Se identificó el clorhidrato de etil 2-aminopropanoato (EAH) como un aditivo altamente efectivo.
• Se logró una eficiencia de conversión de potencia (PCE) máxima del 22,58 %.
• Se demostró una excelente estabilidad del dispositivo, reteniendo el 95,1 % del PCE después de 1368 horas en N2 y el 94,1 % después de 1272 horas a 65 °C.

Conclusiones:

• El clorhidrato de etil 2-aminopropanoato (EAH) pasiva eficazmente los defectos y regula la cristalización en las celdas solares de perovskita.
• El diseño de materiales impulsado por IA acelera el descubrimiento de materiales optoelectrónicos de perovskita estables y de alto rendimiento.
• Este enfoque promete el desarrollo de tecnologías sostenibles de celdas solares de perovskita.