TELEDIARIO.ar
Las células solares de perovskita han despertado gran interés en el sector energético por ser más ligeras, flexibles y económicas que las tradicionales de silicio. Sin embargo, su vulnerabilidad a las condiciones ambientales ha frenado su comercialización masiva. Para superar este obstáculo, un equipo liderado por Abigail Hering, Mansha Dubey y Marina Leite recurrió a la inteligencia artificial, entrenando modelos capaces de aprender de miles de experimentos automatizados y anticipar cómo distintas formulaciones reaccionan al calor.
En sus pruebas, los investigadores expusieron diez composiciones de perovskita a ciclos repetidos de temperatura, generando más de 137.000 mediciones únicas. Estos datos alimentaron algoritmos de aprendizaje automático que lograron predecir con exactitud la respuesta de nuevas formulaciones no probadas previamente. Los resultados revelaron que las mezclas con menor contenido de cesio mostraban mayor capacidad de recuperación tras el calentamiento, mientras que aquellas con niveles altos de este metal tendían a degradarse de forma irreversible.
Este avance abre la puerta a un futuro en el que los paneles solares de perovskita puedan competir directamente con los de silicio, no solo en eficiencia y costos, sino también en durabilidad. La aplicación de inteligencia artificial en este campo promete acelerar la transición hacia energías limpias, reduciendo tiempos de investigación y optimizando recursos. Con ello, la energía solar podría dar un salto decisivo hacia una adopción global más rápida y sostenible.
