Yapay zeka yazılımı: Güneş pilleri için yeni malzemelerin seçimine elverişli!
Kılavuz
Son zamanlarda, Japonya'daki Osaka Üniversitesi'ndeki ekip, makine öğrenimi algoritmalarının yardımıyla eşleşen güneş pili malzemelerini otomatik olarak aramak için bilgisayarların güçlü yeteneklerini kullandı. Gelecekte, bu araştırma güneş pillerinin verimliliğini büyük ölçüde artırmaya yardımcı olacaktır.
arka fon
Güneş enerjisi tipik bir yenilenebilir enerjidir.Temiz ve çevre koruma, yenilenebilir, elde edilmesi kolay, düşük maliyetli gibi birçok avantajı vardır.Bilim ve sanayi çevrelerinde yoğun ilgi görmüştür. Günümüzde güneş enerjisi ile ilgili en son yenilikler ortaya çıkmaya devam ediyor.Yazar daha önce güneş enerjisi ile ilgili birçok yeniliği de tanıttı, bu yüzden hepsini burada listelemeyeceğim.
(Resim kaynağı: Wikipedia)
Güneş teknolojisinde güneş pilleri çok kritik bir rol oynar. Organik fotovoltaik hücre (OPV), esas olarak ışığı emen organik moleküller ve bir yarı iletken polimer kombinasyonuna dayanan, gelecek vaat eden bir güneş pilidir.
Organik fotovoltaik hücreler, ucuz ve hafif malzemelerden yapılmıştır ve iyi güvenlik ve kolay üretim avantajlarına sahiptir. Bununla birlikte, enerji dönüşüm verimliliği (PCE), yani ışığı elektriğe dönüştürme yeteneği, tam ticarileştirme gereksinimlerini karşılamaktan hala uzaktır.
Enerji dönüşüm verimliliği hem organik katmana hem de polimer katmana bağlıdır. Geleneksel yaklaşım, kimyagerlerin bu farklı kombinasyonları tekrar tekrar deneyecekleridir, ancak bu çok fazla zaman ve enerji israfına neden olacaktır.
Yenilikçilik
Son zamanlarda, Japonya'daki Osaka Üniversitesi'ndeki ekip, makine öğrenimi algoritmalarının yardımıyla eşleşen güneş malzemelerini otomatik olarak aramak için bilgisayarların güçlü yeteneklerini kullandı. Gelecekte, bu araştırma güneş pillerinin verimliliğini büyük ölçüde artırmaya yardımcı olacaktır. İlgili makaleler The Journal of Physical Chemistry Letters'da yayınlandı.
(Resim kaynağı: referans [2])
teknoloji
Makalenin ilk yazarı Shinji Nagasawa şunları söyledi: "Polimer seçimi, enerji dönüşüm verimliliğini doğrudan belirleyecek olan kısa devre akımı gibi bazı özellikleri etkileyecektir. Ancak, polimerleri geliştirilmiş performansla tasarlamanın basit bir yolu yoktur. Geleneksel kimya bilgisi yeterli değil. Bunun yerine, tasarım sürecini yönlendirmek için yapay zeka kullanıyoruz. "
Bu, yapay zekanın malzeme seçiminde kullanıldığı ilk sefer değil. Yazar daha önce iki tipik örnek sundu, burada sizi bu arada incelemeye götüreceğim.
1) Northwestern Üniversitesi ve Los Alamos Ulusal Laboratuvarı'ndan araştırmacılar, ferroelektrik ve piezoelektrik gibi özel elektronik özelliklerle yeni bir tür haline gelmek için makine öğrenimi ve yoğunluk fonksiyonel teori hesaplamalarını birleştiren yeni bir program türü geliştirdiler. Materyal tasarım yönergeleri.
(Resim kaynağı: Northwestern Üniversitesi)
2) Birleşik Devletler'deki Stanford Üniversitesi'ndeki araştırmacılar, katı elektrolit materyalleri arama sürecinde, tek tek bileşiklerin rastgele testini kullanmadılar, bunun yerine deneysel veriler yoluyla tahmini modeller oluşturmak için yapay zeka ve makine öğrenimini kullandılar.
Bugün tanıtılan davaya dönelim. Bilişim, insan uzmanların karmaşık büyük veri kümelerini anlamak için çözemediği istatistiksel eğilimleri keşfedebilir. Ekip, yaklaşık 500 çalışmada 1.200 organik fotovoltaik hücre hakkında veri topladı. Potansiyel yeni cihazların verimliliğini tahmin etmek için bu organik fotovoltaik hücrelerin bant boşluğunu, moleküler ağırlığını, kimyasal yapısını ve enerji dönüşüm verimliliğini birleştiren bir model oluşturmak için bir "rastgele orman" makine öğrenme algoritması kullandılar.
Aşağıdaki şekil, polimer güneş pillerindeki aktif malzemelerin fotoelektrik dönüşümünü ve kimyasal yapısını göstermektedir.
(Resim kaynağı: Osaka Üniversitesi)
Rastgele orman, malzeme özellikleri ile organik fotovoltaik hücrelerdeki gerçek performansları arasında gelişmiş bir korelasyon ortaya koymaktadır. Bu korelasyondan yararlanmak için modeller, teorik enerji dönüştürme verimliliklerine dayalı olarak gelecek vaat eden polimerleri otomatik olarak "tarayabilir". Daha sonra, gerçekte sentezlenebilen bu malzemelerin kimyasal sezgilerine dayanarak, en iyi aday malzemeler elenir.
Aşağıdaki şekilde gösterildiği gibi: polimer güneş pilleri için yeni polimerleri keşfetmek için malzeme bilişimini kullanmak. (Üstte) Bir elektron vericisi, bir elektron alıcısı ve bir alkil zincirinden oluşan bir polimer yapı örneği. (Orta) Sınıflandırma için rastgele orman yöntemi. (Altta) Malzeme bilişimi, pratik deneyler ve yapay zeka işbirliği.
(Resim kaynağı: Osaka Üniversitesi)
Bu strateji, ekibin daha önce test edilmemiş yeni bir polimer yaratmasına yol açtı. Gerçek şu ki, bu ilk girişime dayanan pratik bir polimer organik fotovoltaik hücre beklenenden daha az verimli. Bununla birlikte, model, yapı ve özellikler arasındaki ilişki hakkında değerli bilgiler sağlar. Polimerin suda çözünürlüğü veya ana zincirin düzenliliği gibi daha fazla veri dahil edilirse, beklenen sonuçlar iyileştirilecektir.
Aşağıdaki şekilde gösterildiği gibi: rasgele orman kullanarak alkil zincirlerinin seçilmesine bir örnek
(Resim kaynağı: Osaka Üniversitesi)
değer
Makalenin yazarı Akinori Saeki şunları söyledi: "Makine öğrenimi, güneş pillerinin gelişimini önemli ölçüde hızlandıracak çünkü sonuçları anında tahmin edebiliyor ve laboratuvarda aylar alıyor. İnsan faktörlerinin doğrudan yerine geçmesi değil, molekül olarak Tasarımcılar, hangi yolu keşfedeceklerini seçerken kritik destek sağlamalıdır. "
Anahtar kelime
Polimerler, makine öğrenimi, fotovoltaik, güneş pilleri
Referans
[1]
2 Shinji Nagasawa, Eman Al-Naamani, Akinori Saeki. Organik Güneş Pili için Konjuge Polimerlerin Bilgisayar Destekli Taraması: Rasgele Ormanlara Göre Sınıflandırma The Journal of Physical Chemistry Letters, 2018; 9 (10): 2639 DOI: 10.1021 / acs.jpclett.8b00635
