基于钙钛矿的太阳能电池是一个很好的例子，说明了新的计算机辅助技术提供的机会。这种矿物有望带来出色的发电量，在多层太阳能组件中发电量将远远超过 30%。

然而，它的使用寿命仍有一些不足之处，可以通过添加更多元素、改变制造工艺或使用额外的涂层来改变。然而，候选人的选择和可能性是巨大的。此外，效率也会同时下降。

麻省理工学院开发并发表在《自然通讯》上的自动化流程旨在从根本上加快这一费力且最重要的是漫长的材料分析过程。目前有传言称属性分析速度将提高 85 倍，并希望进一步提高。

这是通过两种检查高光谱相机拍摄的样本图像的算法实现的。借助这些照片，可以可靠地分析其中的数百个，这些照片显示的内容远远超过可见光。研究中称所需时间不到 30 分钟，否则需要几天的测量时间。

重点是带隙，它也决定了材料的导电性和耐久性。两者对于高效、耐用的太阳能电池都是至关重要的。在随后对已知合金的研究中，准确度约为 98%。不错。

目前正在优化提供新成分中的新样品的过程。需要打印不同的组合，以便在短短几分钟内获得结果。目的是不间断地生产和测试新材料。然后可以完全自动测试相当现实的数百万种不同材料样品。

目的不仅仅是开发下一代太阳能电池。由全新材料制成的半导体、完全透明的电路和整个设备以及更好、更高效的屏幕也在计划项目之列。