Искусственный интеллект помог в разработке нового материала для солнечных элементов

12:20, 31 Май, 2018
Евгения Комарова

Органические фотоэлектрические панели – перспективный продукт для солнечной энергетики. Специалисты из Университета Осаки воспользовались искусственным интеллектом для автоматизации поиска подходящих для технологии материалов.

Органические фотоэлектрические устройства основываются на светопоглощающих органических молекулах и полупроводниковом полимере, сообщает sciencedaily.com. Установки изготавливаются из недорогих, легких материалов, отличаются высокой безопасностью и простым производством. Но полноценному выходу ОФУ на рынок мешает низкая эффективность преобразования энергии.

ЭПЭ зависит от органического и полимерного слоя. Обычно химики подбирают их сочетание методом проб и ошибок. В новом исследовании специалисты из Университета Осаки решили автоматизировать процесс с помощью ИИ.

Результаты исследования представлены в The Journal of Physical Chemistry Letters.

«Выбор полимера влияет на несколько свойств, вроде тока короткого замыкания, напрямую определяющего ЭПЭ, — сказал первый автор работы, Синдзи Нагасава. – Но изготовить материалы с улучшенными характеристиками сложно. Знания химии для этого недостаточно, так что мы обратились за помощью к ИИ».

Исследователи собрали данные о 1 200 ОФУ из почти 500 проектов. Используя метод машинного обучения «случайный лес», они построили модель, объединяющую энергетическую щель, молекулярный вес, химическую структуру и ЭПЭ этих установок для прогнозирования эффективности новых потенциальных устройств.

Процедура открыла улучшенную взаимосвязь между свойствами материалов и их реальными показателями в оборудовании. Чтобы воспользоваться результатами, модель задействовали для проверки перспективных полимеров на теоретическую ЭПЭ. Лучшие кандидаты затем фильтровались с помощью химической интуиции определяющей, что из них можно синтезировать на практике.

Стратегия привела к созданию нового, ранее не тестированного полимера. Хотя ОФУ с ним оказалось менее эффективным, чем ожидалось, модель предоставила полезные сведения об отношении структуры и свойств. Ее прогнозы могут быть улучшены введением новых данных, вроде растворимости полимера в воде.

«Машинное обучение способно значительно ускорить разработку солнечных элементов, мгновенно предсказывая результаты, на получение которых лабораториям требуются месяцы, — сказал соавтор работы, Акинори Саеки. – Оно не заменит человеческий фактор, но может помочь в выборе направлений исследования».

Поделитесь этой новостью
Комментарии (0)

Ваш адрес email не будет опубликован. Обязательные поля помечены *