Naukowcy stworzyli system LEAP, który automatycznie odkrywa najlepsze dodatki chemiczne do materiałów perowskitowych, wykorzystując zamkniętą pętlę łączącą sztuczną inteligencję z fizycznymi eksperymentami laboratoryjnymi. Framework steruje badaniami w rzeczywistym świecie na podstawie predykcji modeli machine learning, a następnie uczy się z wyników, iteracyjnie ulepszając receptury chemiczne. To połączenie cyfrowego myślenia z praktyką laboratoryjną ma potencjał, by znacznie przyspieszać proces tworzenia nowych materiałów.
Perowskity to materiały, które w ostatnich latach budzą ogromne zainteresowanie branży fotowoltaiki - mogą stanowić konkurencję dla tradycyjnego krzemu w ogniwach słonecznych i znaleźć zastosowanie w urządzeniach optoelektronicznych. Problem w tym, że dotychczasowy proces doskonalenia ich właściwości polegał głównie na tradycyjnych metodach prób i błędów, co jest czasochłonne i kosztowne. Naukowcy szukali sposobów na przyspieszenie tego procesu, a LEAP okazuje się obiecującym rozwiązaniem.
System działa na zasadzie sprzężenia zwrotnego - AI zaproponuje eksperyment, laboratorium go przeprowadzi, wyniki wrócą do modelu, który na ich podstawie sugeruje kolejny eksperyment. Ten zautomatyzowany obieg pozwala na znacznie szybsze testowanie różnych kombinacji dodatków i znalezienie składu o optymalnych właściwościach. Jeśli technologia okaże się skalowalna, mogłaby przyspieszyć komercjalizację bardziej wydajnych i trwalszych materiałów perowskitowych, co ma bezpośrednie znaczenie dla rozwoju czystej energii.