Une base vivante pour les cellules solaires express
Les articles scientifiques paraissent plus vite que les humains ne peuvent les lire et les systématiser. Dans le domaine des cellules solaires à pérovskite, la principale base de données s'est figée en 2021, alors que les recherches battent leur plein. Désormais, PERLA vient à la rescousse : une base vivante et autonome qui suit elle-même le flux des publications.
PERLA utilise de grands modèles de langage pour extraire des textes des données complexes sur les dispositifs, puis les vérifie à l'aide de règles physiques. La précision de l'extraction dépasse 90 % et, contrairement aux humains, le système ne souffre pas de divergences d'évaluation. Elle est comme un bibliothécaire assidu qui ne se fatigue jamais et ne commet pas d'erreurs par épuisement.
Grâce à PERLA, les publications statiques se transforment en une ressource de connaissances dynamique. Désormais, les chercheurs peuvent s'appuyer sur des données à jour et progresser plus rapidement vers de nouvelles découvertes. La base grandit avec la science, sans prendre de retard d'un seul jour.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2601.17807
Scientific discovery is severely bottlenecked by the inability of manual curation to keep pace with exponential publication rates. This creates a widening knowledge gap. This is especially stark in photovoltaics, where the leading database for perovskite solar cells has been stagnant since 2021 despite massive ongoing research output. Here, we resolve this challenge by establishing an autonomous, self-updating living database (PERLA). Our pipeline integrates large language models with physics-aware validation to extract complex device data from the continuous literature stream, achieving human-level precision (>90%) and eliminating annotator variance. By employing this system on the previously inaccessible post-2021 literature, we uncover critical evolutionary trends hidden by data lag: the field has decisively shifted toward inverted architectures employing self-assembled monolayers and formamidinium-rich compositions, driving a clear trajectory of sustained voltage loss reduction. PERLA transforms static publications into dynamic knowledge resources that enable data-driven discovery to operate at the speed of publication.
La précision d'extraction des données de PERLA dépasse 90 % — cela équivaut au travail d'un expert expérimenté, mais sans les erreurs humaines ni la fatigue.