一些科学家根据在特定的位置和特定的密度消耗太阳能来追踪太阳能的使用，其中Lucas Kruitwagen编制了模型来探测太阳能的所有变化和各自的对应关系。机器学习已经被用于这一目的。该研究还跟踪了2016年至2018年的太阳能光伏发电能力。
自2010年以来，太阳能光伏(PV)能源的成本下降了82%，这为建造这种成本不高、对环境清洁的能源系统提供了机会。这种零排放能源系统可能比它所取代的化石燃料系统成本更低。
根据国际能源机构在美国，到2040年，光伏太阳能发电能力必须至少增加10倍。但一些关键的挑战是存在的。因为阳光只在一天中的某些特定时段存在，而不是在一个地区的每个区域都能找到。因此，能量必须储存起来，以备太阳不照耀时使用。必须确保太阳能的使用到达世界上最遥远的角落。
Lucas Kruitwagen和他的同事在杂志上发表了一篇文章自然第一份全球太阳能发电设备清单。他们的重点是在太阳能发电设施的阳光达到峰值时至少发电10千瓦。因此，他们开发了一个机器学习系统来检测通过卫星图像捕获的这些设施。卢卡斯提到，他和他的团队已经探测到68661个太阳能设施。然后利用这些设施的面积，并控制机器学习模型中的不确定性，他们得到了2018年底全球装机容量约423吉瓦的估计。
他们的研究表明太阳能光伏发电能力增加了81%。尤其是印度、土耳其、中国和日本的增长。他们的数据集具有国家级别的汇总，被发现非常接近IRENA的从官员和问卷中收集的国家一级统计数据。与其他设施级数据集相比，它们解决了一些更关键的覆盖差距。在他们的研究中，他们发现太阳能发电厂最常出现在农业地区，周围有草原和沙漠。
