Maskininlärningsmodell kommer att påskynda ren energiproduktion

Till skillnad från vissa tidskrävande och komplexa modeller är den nya modellen snabb, enkel att använda

genom att söka och analysera, och koden är tillgänglig gratis för alla forskare och ingenjörer.

Nyckeln till att utveckla effektivare och användarvänligareför användaren av modellen var det ersättningen av komplexa och beräkningsmässigt dyra parametrar som krävde kvantmekaniska beräkningar med enklare och kemiskt tolkbara beskrivningar av signaturerna för de analyserade molekylerna. De ger viktig information om de viktigaste kemiska delarna i material som påverkar PCE genom att generera information. I framtiden kan den användas för att utveckla förbättrade material.

Ett nytt tillvägagångssätt skulle kunna bidra avsevärt snabbareprocessen att utveckla effektivare solceller i en tid då efterfrågan på förnybar energi och dess betydelse för att minska koldioxidutsläppen aldrig har varit större. Resultaten publicerades i tidskriften NatureBeräkningsmaterial.

Efter decennier av att använda kisel, vilketär relativt dyrt och inte tillräckligt flexibelt ägnas mer och mer uppmärksamhet åt organiska solceller (OPV, organiska solceller), som är billigare att producera, dessutom mer mångsidiga och lättare att återvinna. 

Det största problemet är sorteringen enorm mängd potentiellt lämpliga kemiska föreningar som kan syntetiseras (anpassade av forskare) för användning i OPV. Forskare har tidigare försökt använda maskininlärning för att lösa detta problem. Många av dessa modeller var dock tidskrävande, krävde betydande datorkraft och var svåra att reproducera. Och avgörande, de gav inte tillräcklig vägledning till experimentella forskare som arbetade med nya enheter för grön energi.

Nu arbetet som leddes av Dr. NastaranMeftahi och professor Salvi Russo från RMIT University har tillsammans med teamet av professor Udo Bach från Monash University lyckats lösa många av dessa problem.

De flesta andra modeller använderelektroniska deskriptorer, som är komplexa, beräkningsintensiva och trotsar kemisk tolkning. Detta innebär att den experimentella kemisten eller forskaren inte kan dra idéer från dessa modeller för att designa och syntetisera material i laboratoriet. Samarbetet mellan forskare ledde till skapandet av BioModeller-programmet, som låg till grund för en ny open source-modell. Med hjälp av det fick forskarna tillförlitliga och förutsägbara resultat och kvantifierade bland annat förhållandet mellan de molekylära signaturerna som studerades och effektiviteten hos framtida OPV-enheter.

Läs mer

Okända djur som liknar svampar finns i isen på Antarktis

Brunt-hyllan i Antarktis kollapsar med en hastighet på 5 meter per dag

Abort och vetenskap: vad kommer att hända med barnen som kommer att föda