Por qué envejecen las baterías solares de perovskita exprés
Una batería solar de perovskita es como una atleta joven: al principio rinde excelente, pero con la edad se cansa. En ocho horas, sus características caen notablemente, y no hay causas visibles como grietas o polvo. Los científicos tomaron una batería y registraron lecturas a los 0, 90, 280 y 480 minutos de vida. Luego aplicaron aprendizaje automático para reconstruir, a partir de esos datos externos, lo que sucede en el interior.
Dentro de la perovskita viven iones móviles, partículas cargadas que comienzan a desplazarse bajo la acción de la luz y el voltaje. Su concentración y velocidad de movimiento (coeficiente de difusión) cambian con el tiempo, no por separado sino de manera coordinada. Cuando hay muchos iones, en los bordes entre los granos cristalinos aparecen pérdidas adicionales: allí las cargas se recombinan, es decir, desaparecen sin generar corriente. Es como si en un equipo aparecieran jugadores de más que se estorban frente a la portería.
Este enfoque, que combina simulaciones y aprendizaje automático, permite vislumbrar procesos ocultos sin desmontar el dispositivo. Antes, para esto habría que destruir la batería y mirar bajo el microscopio qué cambió. Ahora se puede observar el envejecimiento en tiempo real y, quizás, aprender a frenarlo.
El envejecimiento de las baterías de perovskita es la principal barrera para su llegada al mercado. Si se entiende qué iones son los culpables, se pueden elegir aditivos o modificar la composición para frenar su movimiento. Entonces, los paneles solares baratos y flexibles durarían no horas, sino años.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2608.10691v1
Degradation in lead halide perovskite solar cells is analysed by inverse modelling of published measurements of characteristics of a single solar cell at ages 0, 90, 280, 480 minutes. We employ machine learning to deduce distributions of material parameter values and hence the physics linked to measured changes. Bayesian parameter estimation is coupled with drift diffusion simulations using the IonMonger code combined with an optical model. We accurately replicated measured changes in device performance with age through variations in model input parameters. Our key result is that degradation is influenced by correlated changes in the concentrations and diffusion coefficients of mobile ions and by interface recombination at large mobile ion concentrations. This study demonstrates the power of machine learning combined with simulations to reliably interpret experimental results, a task which is problematic if using simulation models with only manual exploration of the input parameter space.
Las baterías solares de perovskita han elevado su eficiencia del 3% a más del 25% en diez años, más rápido que cualquier otro tipo de célula fotoeléctrica en la historia.
En la novela de Kim Stanley Robinson 'El Ministerio del Futuro', los paneles solares de perovskita cubren desiertos y tejados, pero su degradación sigue siendo un problema, como en la realidad.