Posté par Redbran le Jeudi 24/11/2022 à 13:00

Cellules solaires: l’Intelligence Artificielle pour identifier de nouveaux composés

Les pérovskites hybrides forment une classe de semi-conducteurs très prometteuse pour la conception de cellules solaires à moindre coût avec des rendements de conversion de la lumière rejoignant aujourd’hui ceux du silicium. Des scientifiques du CNRS ont développé un outil de Machine Learning très poussé qui permet de déterminer instantanément si un nouveau composé sera de type pérovskite ou non. Ces résultats sont parus dans la revue Advanced Materials.

Une nouvelle technique d'analyse de diagrammes de diffraction des rayons X basée sur un machine learning très poussé permet de déterminer instantanément si un nouveau composé sera de type pérovskite ou non.
© Florian Massuyeau

Les pérovskites hybrides halogénées représentent une classe de matériaux semi-conducteurs particulièrement étudiés ces dernières années pour leurs propriétés photoélectriques remarquables et leurs applications dans les systèmes photovoltaïques. Pour être qualifiés de pérovskites, ces matériaux hybrides organiques/inorganiques à base de plomb doivent posséder un réseau inorganique spécifique: des octaèdres de plomb halogénés connectés uniquement par leurs sommets. C'est cette structure particulière qui permet d'obtenir de bonnes propriétés de conduction utiles pour les cellules solaires.

S'il est aisé de préparer de nombreuses compositions en changeant d'halogène et/ou de molécule organique, il est impossible de déterminer, en amont d’une synthèse, quelle sera la structure du matériau obtenu. Seule la détermination structurale par diffraction des rayons X sur monocristal ou poudre avec une haute résolution permet de savoir si un nouveau matériau hybride est de type pérovskite. Ce procédé chronophage demande une expertise spécifique et constitue donc un des principaux facteurs limitants des procédés de synthèse à haut débit de pérovskites.

Dans ce contexte, des scientifiques de l’Institut des matériaux de Nantes Jean Rouxel (CNRS/Nantes Université), en collaboration avec des chimistes de l'Institut de recherches sur la catalyse et l'environnement de Lyon (CNRS/Université Claude Bernard Lyon 1), ont fait apprendre à un algorithme de machine learning les caractéristiques importantes pour identifier les structures de type pérovskite dans de simples diagrammes de diffraction sur poudre de nouveaux matériaux. Cette nouvelle technique n'est pas suffisante pour déterminer complètement une nouvelle structure mais permet de déterminer si un nouveau composé est de type pérovskite de manière quasiment instantanée. Pour cela, ils ont extrait de la base de données Cambridge Structural Database (CSD) toutes les structures hybrides halogénées à base de plomb (environ 1000), simulés leurs diagrammes de diffraction des rayons X sur poudre et triés ces matériaux en fonction de leur caractère pérovskite ou non.

Les deux modèles (random forest et réseau de neurones à convolution) ont permis de valider leur approche avec un taux de prédiction d'environ 90%. De plus, ces modèles ont permis aux scientifiques de mieux comprendre les caractéristiques importantes dans un diagramme de diffraction des rayons X pour différencier les structures pérovskites des autres. Cette nouvelle technique d'analyse de diagrammes de diffraction des rayons X permettrait également de détecter d'autres types structuraux. Un nouvel outil qui est décrit dans la revue Advanced Materials.

Référence:
Perovskite or Not Perovskite ? A Deep-Learning Approach to Automatically Identify New Hybrid Perovskites from X-ray Diffraction Patterns
Florian Massuyeau, Thibault Broux, Florent Coulet, Aude Demessence, Adel Mesbah et Romain Gautier, Advanced Materials, 13 août 2022.
https://doi.org/10.1002/adma.202203879
Dernières actualités
La convergence en ce moment de trois virus offre une opportunité inédite à des chercheurs de...
Une équipe internationale de scientifiques révèle la complexité de l’évolution des...
Pour les microorganismes qui vivent dans le sol des forêts boréales, toutes les perturbations ne...
Une équipe internationale d’astrophysiciens dont certains du CNRS-INSU (voir encadré) a mesuré...
La physique peut servir à beaucoup de choses. Par exemple, déterminer l’angle par lequel le...
Les chauves-souris sont porteuses d’une multitude de virus, pathogènes pour la plupart des...
Les pérovskites hybrides forment une classe de semi-conducteurs très prometteuse pour la...
La disposition générale des visages est commune à de nombreuses espèces de vertébrés....
Le stress et la faim: ce sont deux des facteurs qui peuvent laisser une empreinte sur les gènes...
Les analogues du Glucagon like peptide 1 (GLP-1 A) font partie de l’arsenal pharmacologique pour...
Les matériaux magnétocaloriques (MMCs) sont des solides magnétiques dont la température change...
Le guidage cellulaire par des signaux chimiques ou physiques est essentiel à de nombreux processus...
Connu pour renvoyer des images époustouflantes vers la Terre, le télescope spatial James-Webb...
Quelle est la différence entre faire cuire de la nourriture et la brûler ? À 780 000 années de...
Mesurer la capacité de régénération des communautés de poissons de récifs coralliens est...
Y a-t-il un langage commun aux théories du complot, qui permettrait donc de les repérer ? C’est...
Secret de polichinelle: pour bien performer sur le plan cognitif, il faut bien dormir. Mais...
Si la majorité des Français a été vaccinée contre la Covid-19, les taux de vaccination varient...
Alors que ceux qui nient le réchauffement climatique les accusent encore d’être des...
Trois études conduites par un consortium mondial et publiées dans les revues Molecular...
Ce site fait l'objet d'une déclaration à la CNIL
sous le numéro de dossier 1037632
Informations légales