Ученые создали LEAP — фреймворк на основе ИИ для поиска добавок в перовскитные солнечные элементы
Исследователи представили фреймворк LEAP (LLM-driven Exploration via Active Learning for Perovskites) — замкнутую систему, объединяющую специализированную большую языковую модель (LLM) с активным обучением. Разработка направлена на эффективный поиск добавок, улучшающих характеристики перовскитных солнечных элементов.
Традиционный перебор потенциальных добавок требует значительных временных и ресурсных затрат из-за огромного химического пространства. LEAP автоматизирует процесс: LLM извлекает из научной литературы знания о механизмах действия добавок и представляет молекулы в виде интерпретируемых дескрипторов.
Эти дескрипторы затем интегрируются в байесовский оптимизатор, который с учетом неопределенности ранжирует кандидаты даже при малом количестве данных. Валидация на невидимой литературе показала, что специализированная модель превосходит универсальные LLM в согласованных с механизмами рассуждениях.
В proof-of-concept эксперименте с участием экспертов LEAP протестировали в трех раундах отбора добавок. Устройства с 6-CDQ и 2-CNA в более поздних раундах показали средний КПД 20,13% и 20,87% соответственно. Для сравнения, контрольный образец достиг 19,25%.
Лучший результат продемонстрировал элемент с КПД 21,32%. Полученные данные подтверждают, что комбинация основанных на литературе механистических дескрипторов, байесовской оптимизации и экспертной оценки позволяет целенаправленно отбирать эффективные добавки для перовскитной фотовольтаики.
