Científicos utilizan técnicas de Machine Learning para identificar materiales óptimos para celdas solares - World Energy Trade

Científicos utilizan técnicas de Machine Learning para identificar materiales óptimos para celdas solares

La tecnología Machine Learning utilizado en la supercomputadora Theta del Laboratorio Nacional de Argonne ayudó a reducir una lista de más de 9,000 materiales a solo un puñado. Imagen tomada de The Independent

La tecnología Machine Learning utilizado en la supercomputadora Theta del Laboratorio Nacional de Argonne ayudó a reducir una lista de más de 9,000 materiales a solo un puñado. Imagen tomada de The Independent

Investigación, Desarrollo e Innovación
Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times
Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

Investigadores del Laboratorio de Argonne del Departamento de Energía de los EE. UU., En colaboración con la Universidad de Cambridge, programaron una "supercomputadora" para reducir una lista de casi 10,000 materiales con el potencial de ser utilizados en celdas solares sensibilizadas con tinte a solo cinco que se ajustan a sus parámetros para Alto rendimiento, bajo coste y bajo impacto ambiental.

Los científicos del Laboratorio de Argonne en Chicago, EE. UU., Han utilizado técnicas de Machine Learning para identificar materiales óptimos para las celdas solares sensibilizadas por colorante. Comenzando con una lista de más de 10,000 candidatos, la técnica identificó cinco materiales para síntesis y pruebas que se ajustan mejor a los parámetros del equipo de investigación.

"Este estudio es particularmente emocionante porque pudimos demostrar el ciclo completo de descubrimiento de materiales impulsados ​​por datos", dijo Jacqueline Cole, jefa del grupo de ingeniería molecular del Laboratorio Cavendish en la Universidad de Cambridge del Reino Unido, que colaboró ​​en el proyecto. "La ventaja de este proceso es que elimina la antigua curación manual de las bases de datos, lo que implica muchos años de trabajo y lo reduce a la cuestión de unos pocos meses y, en última instancia, de unos pocos días".

El equipo utilizó el Supercomputador Theta del laboratorio de Argonne y trabajó con científicos computacionales para crear un análisis automatizado que empleó técnicas de simulación, extracción de datos y Machine Learning para recopilar datos químicos de revistas científicas relacionadas con miles de candidatos de tinte orgánico. La técnica de preselección se describe en el artículo celdas solares sensibilizadas por tinte: El enfoque de diseño a dispositivo permite a las celdas solares pancisáticas pancromáticas, publicadas en Advanced Energy Materials.

Proceso de eliminación rápida.

Los investigadores eliminaron los compuestos organometálicos y las moléculas orgánicas demasiado pequeñas para absorber la luz visible, reduciendo la lista a unos 3.000 materiales.

El siguiente paso fue buscar colorantes que contengan componentes que puedan usarse como "pegamento químico" para anclar los colorantes a los soportes de óxido de titanio, y usar la supercomputadora para realizar cálculos de estructura electrónica en los materiales de tinte restantes.

Eso dejó alrededor de 300 candidatos en una lista que se redujo aún más, a 30, a través del examen computarizado de los espectros de absorción, y luego a cinco candidatos utilizando Theta para realizar cálculos de la teoría funcional de la densidad, determinando el rendimiento probable en los experimentos.

La etapa final involucró la adquisición de muestras de laboratorios globales que sintetizaron los cinco materiales para comenzar las pruebas. Si bien el equipo no ha publicado detalles de los materiales probados o de su rendimiento, ha declarado que una combinación ha demostrado eficiencias de conversión similares a un material de tinte organometálico líder.

"Fue realmente una gran cantidad de trabajo en equipo conseguir que tantas personas de todo el mundo contribuyeran a esta investigación", dijo Cole. "Este fue un resultado particularmente alentador porque habíamos hecho nuestra vida más difícil al restringirnos a las moléculas orgánicas, por razones ambientales, y sin embargo, encontramos que estos colorantes orgánicos se comportaron tan bien como algunos de los organometálicos más conocidos".  

 

Te puede interesar: Investigadores desarrollan banderas que generan energía del viento y el sol