Pourquoi les panneaux solaires à pérovskite vieillissent express
Une batterie solaire à pérovskite, c'est comme une jeune athlète : au début, elle donne d'excellents résultats, mais avec l'âge, elle se fatigue. En huit heures, ses performances chutent nettement, et aucune cause visible comme des fissures ou de la poussière n'apparaît. Des scientifiques ont pris une batterie et ont relevé ses mesures à la 0e, 90e, 280e et 480e minute de sa vie. Ensuite, ils ont utilisé l'apprentissage automatique pour reconstituer, à partir de ces données externes, ce qui se passe à l'intérieur.
À l'intérieur de la pérovskite vivent des ions mobiles — des particules chargées qui se déplacent sous l'effet de la lumière et de la tension. Leur concentration et leur vitesse de déplacement (coefficient de diffusion) changent avec le temps, et pas séparément, mais de manière coordonnée. Lorsque les ions deviennent nombreux, des pertes supplémentaires apparaissent aux joints entre les grains cristallins — là, les charges se recombinent, c'est-à-dire qu'elles disparaissent sans produire de courant. C'est comme si une équipe avait des joueurs en trop qui se gênent devant le but.
Cette approche — combiner simulations et apprentissage automatique — permet de sonder les processus cachés sans démonter le dispositif. Avant, il aurait fallu détruire la batterie et l'examiner au microscope pour voir ce qui avait changé. Maintenant, on peut suivre le vieillissement en temps réel et, peut-être, apprendre à le ralentir.
Le vieillissement des batteries à pérovskite est le principal obstacle à leur commercialisation. Si l'on comprend quels ions sont responsables, on peut choisir des additifs ou modifier la composition pour ralentir leur mouvement. Alors, des panneaux solaires bon marché et flexibles pourraient durer des années, et non des heures.
Résumé original
tel que rédigé par les auteurs, en anglais 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.
Les panneaux solaires à pérovskite ont vu leur efficacité passer de 3 % à plus de 25 % en dix ans — plus rapidement que tout autre type de cellule photovoltaïque dans l'histoire.
Dans le roman de Kim Stanley Robinson, « Le Ministère du futur », des panneaux solaires à pérovskite couvrent les déserts et les toits, mais leur dégradation reste un problème — comme dans la réalité.