Ao contrário de alguns modelos complexos e demorados, o novo modelo é rápido e fácil de usar
A chave para o desenvolvimento mais eficiente e fácil de usarpara o usuário do modelo, foi a substituição de parâmetros complexos e computacionalmente caros que requerem cálculos da mecânica quântica por descritores mais simples e quimicamente interpretáveis das assinaturas das moléculas analisadas. Eles fornecem dados importantes sobre as frações químicas mais significativas em materiais que afetam o PCE por meio da geração de informações. No futuro, ele pode ser usado para desenvolver materiais aprimorados.
Uma nova abordagem poderia ajudar a acelerar significativamenteo processo de desenvolvimento de células solares mais eficientes numa altura em que a procura de energias renováveis e a sua importância na redução das emissões de carbono nunca foram tão grandes. Os resultados foram publicados na revista NatureMateriais Computacionais.
Depois de décadas de uso do silício, queé relativamente caro e não é flexível o suficiente, cada vez mais atenção está sendo dada às células fotovoltaicas orgânicas (OPV, energia fotovoltaica orgânica), que são mais baratas de produzir, também mais versáteis e mais fáceis de reciclar.
O principal problema é a classificaçãouma grande quantidade de compostos químicos potencialmente adequados que podem ser sintetizados (adaptados por cientistas) para uso em OPV. Os pesquisadores já tentaram usar o aprendizado de máquina para resolver esse problema antes. No entanto, muitos desses modelos eram demorados, exigiam uma capacidade de computação significativa e eram difíceis de reproduzir. E, o que é crucial, eles não forneceram orientação suficiente para cientistas experimentais que estavam trabalhando em novos dispositivos para energia verde.
Agora, o trabalho liderado pelo Dr. NastaranMeftahi e o professor Salvi Russo da RMIT University, junto com a equipe do professor Udo Bach da Monash University, resolveram com sucesso muitos desses problemas.
A maioria dos outros modelos usamdescritores eletrônicos que são complexos, computacionalmente intensivos e desafiam a interpretação química. Isso significa que o químico ou cientista experimental não pode extrair ideias desses modelos para projetar e sintetizar materiais em laboratório. A colaboração de cientistas levou à criação do programa BioModeller, que formou a base de um novo modelo de código aberto. Usando-o, os pesquisadores obtiveram resultados confiáveis e previsíveis e, entre outras coisas, quantificaram a relação entre as assinaturas moleculares em estudo e a eficácia de futuros dispositivos de OPV.
Consulte Mais informação
Animais desconhecidos semelhantes a esponjas encontrados no gelo da Antártica
A plataforma de Brunt na Antártica está entrando em colapso a uma velocidade de 5 metros por dia
Aborto e ciência: o que acontecerá com as crianças que darão à luz