Как ИИ делает солнечные батареи долговечнее экспресс
Перовскитные кристаллы собирают солнечный свет почти как кремний, но стоят копейки. Их беда — врождённая хрупкость: от тепла и обычной воды из воздуха они «заболевают». Внутри нарастает беспорядок, и блестящая пластинка мутнеет, теряя свои способности за пару суток.
Искусственный интеллект становится врачом-диагностом. Он делает спектроскопию — просвечивает кристалл лучом света и замечает микротрещины раньше, чем те проявятся. Затем перебирает тысячи рецептов добавок и находит «лекарство» — крошечные частицы, которые стягивают слабые места решётки. В одном эксперименте алгоритм предложил вплавить капли золота, и материал продержался в десять раз дольше.
Обзор исследований показал: главный талант ИИ — связывать разрозненные наблюдения в чёткий прогноз. Уже сейчас такие батареи-панели работают без сбоев тысячи часов, а в будущем алгоритмы возьмут на себя рутину тестирования, чтобы быстрее запустить производство.
Оригинальная аннотация
как её написали авторы, на английском arXiv:2606.09147
Three-dimensional all-inorganic halide perovskites, represented by CsPbX$$_3$$ (X = Cl, Br, I), have attracted broad interest in photovoltaics, photodetectors, and light-emitting devices because of their outstanding optoelectronic properties. Their practical deployment, however, remains limited by instability under thermal, chemical, optical, and electrical stress. Conventional studies have established important experimental and theoretical foundations, but they still struggle with multimodal data, coupled degradation pathways, protocol dependence, sparse statistics, and uncertainty quantification. Artificial intelligence (AI) offers a practical route to address these limitations. This review summarizes recent progress in AI-assisted studies of instability in 3D CsPbX$$_3$$ and organizes the discussion around four linked tasks, including stability discrimination and diagnosis, microscopic mechanism analysis, consequence and reliability modeling, and engineering stability enhancement. We further discuss the main limitations of current methods, especially in data quality, protocol consistency, benchmark design, interpretability, and transferability across domains. Finally, we outline future directions for the field, including standardized data infrastructures, interpretable cross-scale models, and tighter integration of AI with automated experiments and physics-based modeling. The aim of this review is to provide a coherent and practically useful framework for researchers seeking to use AI to understand, predict, and mitigate instability in inorganic perovskites.
Лев Перовский коллекционировал минералы и не догадывался, что его имя войдёт в историю физики: открытый им камень сегодня вдохновляет создание дешёвой солнечной энергии.