Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS

Physics-informed machine learning to accelerate stability research on perovskite solar cells

Descrizione del progetto

Migliorare la stabilità delle celle solari a perovskite mediante l’apprendimento automatico informato dalla fisica

Le celle solari di perovskite sono tra le tecnologie fotovoltaiche più promettenti, con efficienze da record che si avvicinano al 30 % in pochi decenni. Tuttavia, a causa del tempo di vita utile limitato, il loro potenziale non è ancora stato sfruttato a livello commerciale. Per semplificare la selezione di materiali stabili, sono necessari modelli migliori per prevedere il degrado dei dispositivi. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto ACCELERATE-PER sfrutterà l’apprendimento automatico integrato con la fisica dei materiali, sviluppando al contempo paradigmi sperimentali compatibili con l’apprendimento automatico. Ciò consentirà di allineare gli algoritmi di apprendimento automatico alla realtà fisica, superando al contempo il problema della scarsità di dati che ha ostacolato l’uso dell’apprendimento automatico nella scienza sperimentale.

Obiettivo

The development of sustainable energy production technologies, such as new types of solar cells, has traditionally taken decades. These research cycles need to be accelerated in order to respond to the urgent climate change crisis. Perovskite solar cells (PSCs) are a recent technology that boast high electricity production efficiencies, however they suffer from insufficient lifetimes. Since there are thousands of material candidates even for a single layer of a PSC, it is challenging to search for stable materials and infer device degradation mechanisms. This project aims to implement machine learning (ML) as a part of the solution. I will create an accelerated, ML-assisted research cycle for improving the lifetime of PSCs: I will focusing on optimizing the composition of the light absorbing layer – perovskite – for stability. I will show the resulting stability improvements in full PSCs and develop faster inference of the remaining PSC degradation mechanisms. The acceleration in the cycle arises from i) using ML to save experimental bandwidth, ii) designing experiments that are directly compatible with ML (opposed to first collecting data and then figuring out how to use it with ML), and iii) maximizing effectiveness by teaching physics to the ML algorithm. For example, at the materials level, the algorithm needs to know that certain perovskite compositions do not exist as mixed materials according to density functional theory. The physics integration aligns ML algorithms with physical reality and alleviates data scarcity that has traditionally hindered the use of ML in experimental science. My highly collaborative and interdisciplinary project demonstrates the potential of integrated ML-assisted research cycles in accelerating stability research, and develops applied ML methods applicable to optimization in both research and industry. The project leads to more stable PSCs, thus taking us closer to sustainable energy production.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Parole chiave

Parole chiave del progetto, indicate dal coordinatore del progetto. Da non confondere con la tassonomia EuroSciVoc (campo scientifico).

Programma(i)

Programmi di finanziamento pluriennali che definiscono le priorità dell’UE in materia di ricerca e innovazione.

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

(si apre in una nuova finestra) HORIZON-MSCA-2021-PF-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

AALTO KORKEAKOULUSAATIO SR
Contributo netto dell'UE

Contributo finanziario netto dell’UE. La somma di denaro che il partecipante riceve, decurtata dal contributo dell’UE alla terza parte collegata. Tiene conto della distribuzione del contributo finanziario dell’UE tra i beneficiari diretti del progetto e altri tipi di partecipanti, come i partecipanti terzi.

€ 199 694,40
Indirizzo
OTAKAARI 1
02150 Espoo
Finlandia

Mostra sulla mappa

Regione
Manner-Suomi Helsinki-Uusimaa Helsinki-Uusimaa
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato

Partner (2)

Il mio fascicolo 0 0