Maskinindlæringsmodel vil fremskynde ren energiproduktion

I modsætning til nogle tidskrævende og komplekse modeller er den nye model hurtig, nem at bruge

søgning og analyse, og koden er gratis tilgængelig for alle forskere og ingeniører.

Nøglen til at udvikle mere effektiv og brugervenligfor brugeren af ​​modellen var det udskiftning af komplekse og beregningsmæssigt dyre parametre, der kræver kvantemekaniske beregninger med enklere og kemisk fortolkelige beskrivelser af signaturerne af de analyserede molekyler. De giver vigtige data om de mest betydningsfulde kemiske dele i materialer, der påvirker PCE ved at generere information. I fremtiden kan den bruges til at udvikle forbedrede materialer.

En ny tilgang kan bidrage betydeligt til at fremskyndeprocessen med at udvikle mere effektive solceller på et tidspunkt, hvor efterspørgslen efter vedvarende energi og dens betydning for at reducere kulstofemissionerne aldrig har været større. Resultaterne blev offentliggjort i tidsskriftet NatureBeregningsmaterialer.

Efter årtiers brug af silicium, hvilketer relativt dyrt og ikke fleksibelt nok, er der mere og mere opmærksomhed på organiske solceller (OPV, organiske solceller), som er billigere at producere, også mere alsidige og nemmere at genbruge. 

Hovedproblemet er sorteringen enorm mængde potentielt egnede kemiske forbindelser, der kan syntetiseres (tilpasset af forskere) til brug i OPV. Forskere har tidligere forsøgt at bruge maskinlæring til at løse dette problem. Mange af disse modeller var imidlertid tidskrævende, krævede betydelig computerbehandlingskraft og var svære at gengive. Og vigtigst af alt, de gav ikke tilstrækkelig vejledning til eksperimentelle forskere, der arbejdede på nye enheder til grøn energi.

Nu arbejdet ledet af Dr. NastaranMeftahi og professor Salvi Russo fra RMIT University har sammen med teamet af professor Udo Bach fra Monash University med succes løst mange af disse problemer.

De fleste andre modeller brugerelektroniske deskriptorer, som er komplekse, beregningsmæssigt intensive og trodser kemisk fortolkning. Det betyder, at den eksperimentelle kemiker eller videnskabsmand ikke kan trække ideer fra disse modeller til at designe og syntetisere materialer i laboratoriet. Forskernes samarbejde førte til oprettelsen af ​​BioModeller -programmet, som dannede grundlaget for en ny open source -model. Ved hjælp af det opnåede forskerne pålidelige og forudsigelige resultater og kvantificerede blandt andet forholdet mellem de undersøgte molekylære signaturer og effektiviteten af ​​fremtidige OPV -enheder.

Læs mere

Ukendte dyr, der ligner svampe, findes i isen på Antarktis

Brunt-hylden i Antarktis kollapser med en hastighed på 5 meter om dagen

Abort og videnskab: hvad vil der ske med de børn, der føder