Les cellules photovoltaïques, qui convertissent directement la lumière solaire en électricité, font partie des solutions les plus prometteuses pour répondre aux besoins énergétiques mondiaux. Parmi les matériaux utilisés, les pérovskites suscitent un intérêt croissant, notamment grâce à leur capacité à offrir des rendements élevés et une fabrication économique. Cependant, leur adoption industrielle est freinée par des défis liés à la stabilité et à la production à grande échelle.
Une équipe de chercheurs du Karlsruher Institut für Technologie (KIT) en Allemagne a récemment démontré les contributions essentielles de l’intelligence artificielle, et plus particulièrement de l’apprentissage profond, dans l’optimisation des processus de fabrication des films minces de pérovskite.
Les matériaux à base de pérovskite se distinguent par leur capacité à absorber une large gamme du spectre solaire tout en maintenant des efficiences énergétiques remarquables. Contrairement aux technologies traditionnelles à base de silicium, leur flexibilité et leur coût de fabrication réduit les positionnent comme une solution attractive pour des applications variées, allant des panneaux solaires intégrés aux bâtiments à des dispositifs mobiles.
Malgré ces avantages, leur intégration à grande échelle rencontre des obstacles techniques majeurs, notamment en matière de stabilité à long terme et de contrôle des procédés de fabrication. Le professeur Ulrich Wilhelm Paetzold, chercheur au KIT, a expliqué que les fluctuations dans la formation des films minces de pérovskite sont un obstacle critique à leur industrialisation. Selon lui, « notre recherche montre que l’apprentissage automatique joue un rôle essentiel dans l’amélioration de la surveillance de la formation des couches minces de pérovskite, ce qui est nécessaire pour la production industrielle ».
Rôle de l’intelligence artificielle dans la fabrication
Pour répondre à ces défis, les chercheurs du KIT ont utilisé des algorithmes d’apprentissage profond basés sur des réseaux neuronaux, permettant des prédictions précises sur les caractéristiques des matériaux et leurs performances énergétiques. Leur approche repose sur l’analyse de données collectées au cours du processus de fabrication, éliminant ainsi la nécessité de méthodes d’examen supplémentaires.
Felix Laufer, auteur principal de l’étude, a souligné l’efficacité de cette méthode en déclarant : « Avec les données de mesure enregistrées pendant la production, nous pouvons utiliser l’apprentissage automatique pour identifier les erreurs de processus avant que les cellules solaires ne soient terminées. Cette rapidité et efficacité constituent une avancée majeure dans l’analyse des données, permettant de résoudre des problèmes autrement difficiles à traiter. »
En associant des données de formation de films minces à des variables telles que l’efficacité de conversion énergétique, les chercheurs ont démontré que la stabilisation et l’homogénéité des matériaux sur des surfaces larges sont réalisables grâce à l’intelligence artificielle. Ces résultats renforcent leur potentiel pour une production industrielle fiable.
Un pas vers la viabilité industrielle
L’étude a mis en lumière des solutions pour surmonter les fluctuations dans le processus de fabrication grâce à des méthodes quantitatives améliorées. Le professeur Paetzold, qui dirige le département Next Generation Photovoltaics au KIT, a affirmé que « nous montrons comment les fluctuations de processus peuvent être analysées quantitativement avec des méthodes de caractérisation renforcées par des techniques d’apprentissage automatique, afin de garantir une qualité élevée des matériaux et une homogénéité des couches sur de grandes surfaces et des tailles de lots importantes ».
Ces avancées mettent en exergue l’importance d’une approche interdisciplinaire pour accélérer l’adoption des technologies photovoltaïques basées sur la pérovskite, tout en maintenant une qualité optimale nécessaire à leur viabilité commerciale.
Le Karlsruher Institut für Technologie (KIT), reconnu pour ses contributions scientifiques dans divers domaines, continue d’explorer des solutions innovantes aux problèmes énergétiques mondiaux. Avec plus de 10 000 employés et près de 23 000 étudiants, l’institut combine expertises scientifiques et industrielles pour relever les défis liés à l’énergie, la mobilité et l’information. Son rôle comme université d’excellence lui permet de relier efficacement les découvertes scientifiques aux applications pratiques pour le bénéfice de la société et de l’environnement.
L’étude menée par Felix Laufer, Markus Götz et Ulrich W. Paetzold représente une avancée significative pour l’avenir des cellules photovoltaïques à base de perovskite et illustre comment les sciences de données peuvent transformer le paysage industriel. DOI: 10.1039/D4EE03445G
Légende illustration : L’intelligence artificielle permet de contrôler et d’optimiser la production de cellules solaires en pérovskite. (Photo : Markus Breig, KIT ; illustration : Felix Laufer, KIT)
