حاسوب كيميائي يبحث عن وصفة الخلية الشمسية الأفضل ✎ سريع

الأصل: "Decoupling Intrinsic Molecular Efficacy from Platform Effects: An Interpretable Machine Learning Framework for Unbiased Perovskite Passivator Discovery"
arXiv:2603.02717 · 2026-03-03 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
طريقة جديدة للتعلم الآلي تجد جزيئات تزيد فعلياً من كفاءة الخلايا الشمسية، وتفصل بين التقدم الحقيقي والضوضاء العشوائية.

اختبار الجزيئات للخلايا الشمسية يشبه تذوق طبق جديد في مطعم حيث يتغير الطاهي كل خمس دقائق. الضوضاء (الرطوبة، نظافة الركيزة، طريقة الطلاء) تخفي التأثير الحقيقي. لاستخراج الفائدة الحقيقية من البيانات المشوشة، ابتكر العلماء "غربالاً ذكياً" — خوارزمية تغربل النتائج وتُبقي فقط على التحسينات الموثوقة.

بعد تدريب النموذج على 240 تجربة دقيقة، تبين أن ليس البنى المعقدة هي المهمة، بل عاملان فقط: القدرة على الالتصاق بالسطح عبر روابط هيدروجينية وفارق الشحنات بين طرفي الجزيء. بهاتين القاعدتين البسيطتين، غربل البرنامج 121 مليون مركب عضوي من قاعدة بيانات PubChem واختار خمسة مرشحين. أكدت الحسابات الكمومية أنها تلتصق بقوة، وتتخلى عن الإلكترونات بسهولة، وتُحاذي مستويات الطاقة. وهذه "الغربلة الذكية" أغلقت دورة من البيانات إلى التحقق، وستُسرّع تطوير الخلايا الشمسية وكذلك الصمامات الثنائية الباعثة للضوء — التقنية التي حقق فيها الحائز على جائزة نوبل شوجي ناكامورا اختراقاً. بشكل غير متوقع، اختصر سر التحسين في قاعدتين اثنتين، مختبئتين بين 121 مليون جزيء.

خلال عشر سنوات، قفزت كفاءة خلايا البيروفسكايت الشمسية من 3% إلى 25%، مقاربةً كفاءة السيليكون — بفضل البحث الدائم عن مواد جديدة.

العلماء
Ludwig BoltzmannErwin SchrödingerHugh Everett IIIJoseph von FraunhoferGalileo GalileiNicolaus Copernicus
المفاهيم
خلية شمسية بيروفسكايت بيروفسكايت شفافية حوسبة الخزان جهد بين ذري متعلم آليًا مواد التعلم الآلي نموذج تنبؤي التنبؤ بالخصائص الجزيئية