Koneoppimismalli nopeuttaa puhtaan energian tuotantoa

Toisin kuin jotkut aikaa vievät ja monimutkaiset mallit, uusi malli on nopea ja helppokäyttöinen

etsimällä ja analysoimalla, ja koodi on maksutta kaikkien tutkijoiden ja insinöörien saatavilla.

Avain tehokkaampaan ja käyttäjäystävällisempään kehitykseenmallin käyttäjälle se oli kvanttimekaanisia laskutoimituksia vaativien monimutkaisten ja laskennallisesti kalliiden parametrien korvaaminen yksinkertaisemmilla ja kemiallisesti tulkittavilla analysoitavien molekyylien allekirjoitusten kuvaajilla. Ne tarjoavat tärkeitä tietoja merkittävimmistä kemiallisista osista materiaaleissa, jotka vaikuttavat PCE: hen tuottamalla tietoa. Tulevaisuudessa sitä voidaan käyttää parannettujen materiaalien kehittämiseen.

Uusi lähestymistapa voisi nopeuttaa huomattavastitehokkaampien aurinkokennojen kehittämisprosessia aikana, jolloin uusiutuvan energian kysyntä ja merkitys hiilidioksidipäästöjen vähentämisessä ei ole koskaan ollut suurempi. Tulokset julkaistiin Nature-lehdessäLaskennalliset materiaalit.

Vuosikymmenien käytön jälkeen silikonia, jokaon suhteellisen kallis eikä tarpeeksi joustava, yhä enemmän huomiota kiinnitetään orgaanisiin aurinkokennoihin (OPV, orgaaninen aurinkosähkö), jotka ovat halvempia valmistaa, myös monipuolisempia ja helpompia kierrättää. 

Suurin ongelma on lajitteluvaltava määrä mahdollisesti sopivia kemiallisia yhdisteitä, jotka voidaan syntetisoida (tutkijoiden soveltama) käytettäväksi OPV: ssä. Tutkijat ovat yrittäneet käyttää koneoppimista tämän ongelman ratkaisemiseksi aiemmin. Monet näistä malleista olivat kuitenkin aikaa vieviä, vaativat huomattavaa laskentatehoa ja niitä oli vaikea toistaa. Ja mikä tärkeintä, he eivät antaneet riittävää ohjausta kokeellisille tutkijoille, jotka työskentelivät uusien vihreän energian laitteiden parissa.

Nyt tohtori Nastaranin johtama työMeftahi ja professori Salvi Russo RMIT-yliopistosta yhdessä professori Udo Bachin kanssa Monashin yliopistosta ovat onnistuneet ratkaisemaan monet näistä ongelmista.

Useimmat muut mallit käyttävätsähköiset kuvaimet, jotka ovat monimutkaisia, laskennallisesti intensiivisiä ja kemiallista tulkintaa uhkaavia. Tämä tarkoittaa, että kokeellinen kemisti tai tiedemies ei voi ottaa ideoita näistä malleista materiaalien suunnitteluun ja syntetisointiin laboratoriossa. Tutkijoiden yhteistyö johti BioModeller-ohjelman luomiseen, joka muodosti perustan uudelle avoimen lähdekoodin mallille. Sen avulla tutkijat saivat luotettavia ja ennustettavia tuloksia ja muun muassa kvantifioivat tutkittujen molekyyliallekirjoitusten ja tulevien OPV-laitteiden välisen suhteen.

Lue lisää

Tuntemattomat eläimet, jotka muistuttavat Etelämantereen jäästä löydettyjä sieniä

Etelämantereen Brunt-hylly romahtaa 5 metrin nopeudella päivässä

Abortti ja tiede: mitä tapahtuu synnyttäville lapsille