L'ERC PISCO est un projet européen qui travaille à créer De nouvelles cellules solaires à absorption et transmission réglables. Leur objectif : développer des cellules solaires, à la fois stables et rentables, qui fonctionnent en semi-transparence. Appelées « cellules solaires à colorants » , elles fonctionnent avec des colorants photochromes qui adaptent leur niveau de transparence en fonction de l'intensité lumineuse. Une caractéristique intéressante dans le domaine de l'architecture puisqu'elle nécessite aucune intervention humaine.
Transparence et effet photovoltaïque : deux paramètres contradictoires
Les cellules à colorants sont constituées d'une électrode conductrice transparente morceau de verre sur lequel est déposé une couche de nanoparticules d'oxyde de titane qui permet le greffage du pigment actif. Le dispositif est refermé avec une contre électrode en verre et la cavité entre les deux électrodes est rempli par un électrolyte liquide contenant des espèces ioniques permettant le passage du courant.
Une des problématiques avec cet assemblage est que l'électrolyte agit à la fois sur la génération d'électricité mais aussi sur la transparence. Et dans la majorité des cas, de manière inversement proportionnelle entre elles. Ces deux paramètres sont donc en concurrence et il est difficile de déterminer une formule optimale qui concilie les deux. Ce problème est d'autant plus difficile à résoudre que les électrolytes utilisés dans les cellules solaires ont souvent des formulations complexes dans lesquelles composants électro-actifs et additifs peuvent avoir des interactions favorables ou défavorables entre eux.
La solution la plus directe serait de tester chaque composition en faisant varier à chaque fois un paramètre pour trouver le parfait équilibre transparence / efficacité photovoltaïque. C'est cependant une méthode longue et coûteuse qui reviendrait à mener plusieurs centaines d'expériences pour tester juste quelques paramètres clés. C'est pourquoi des chercheurs IRIG du laboratoire SyMMES (UMR UGA, CEA, CNRS, Grenoble INP UGA) ont mis au point une nouvelle méthodologie de recherche qui combine un plan d'expérience robuste mais avec beaucoup moins d'expériences et l'ont utilisé comme source de donnée pour nourrir un algorithme d'intelligence artificielle.
Trouver le ratio optimal grâce à une approche combinée plan d'expérience / IA
L'étude des plans d'expériences est une science à part entière qui consiste à répertorier toutes les expérimentations les plus pertinentes (selon les différentes variables) pour déterminer celles qui seraient les plus représentatives, les plus statistiquement parlantes. En déterminants ces expériences clefs parmi toutes celles possibles, il devient alors possible d'anticiper au mieux la tendance générale sans avoir à tester toutes les possibilités.
Les chercheurs de l'Irig ont utilisé cette méthode en utilisant un plan d'expérience adapté à leur recherche et ont ainsi déterminé 32 formulations d'électrolytes à tester au lieu des 256 initiales. Cela a mené à l'obtention d'une formulation inédite qui n'avait pas identifié auparavant et a conduit à un ratio efficacité/transparence presque deux fois plus performants que la cellule de référence. Cette méthode a aussi été appliqué pour un tout nouvel électrolyte à base d'une molécule (appelée TEMPO) très peu documenté dans la littérature et a conduit à un record d'efficacité mondial avec ce type de composé après deux itérations d'optimisation.
Une méthodologie payante déjà appelée à être réutilisée
Utiliser la combinaison des plans d'expérience et de l'IA pour l'optimisation d'une formulation pour plusieurs paramètres en apparence inconciliables reste un problème général dans la science des matériaux.
Figure 2 : Cartographie crée par intelligence artificielle représentant l'optimisation de la transparence des cellules solaires à colorant en fonction des composants de l'electrolyte. Quatre optimums locaux ont pu être identifiés par cette approche. © CEA
C'est donc dans ce cadre que cette nouvelle méthodologie est appelée à évoluer encore pour être réutilisée dans la synthèse de nouveaux matériaux comme les points quantiques, l'optimisation de couches d'interfaces. Elle sera notamment réadaptée dans le cadre du Programme Transversal de Compétences-Matériaux (CEA) et par le PEPR DIADEM pour le projet AMARIA et notamment par l'utilisation de la robotique pour rendre l'acquisition de données expérimentales plus standardisée et reproductible. Ce projet vise à optimiser des cellules solaires tandem silicium/pérovskites pour les énergies plus performantes de demain.