Argonne kuriami mašininio mokymosi metodai, siekiant patobulinti saulės energijos tyrimus naudojant perovskitus. Kreditas: Maria Chan / Argonne nacionalinė laboratorija Saulė nuolat perduoda Žemei trilijonus vatų energijos. Tai darys dar milijardus metų. Tačiau mes tik ką tik pradėjome naudotis šiuo gausiu, atsinaujinančiu energijos šaltiniu už prieinamą kainą.
Saulės energijos sugėrikliai yra medžiaga, naudojama šiai energijai paversti šiluma arba elektra. Maria Chan, JAV Energetikos departamento (DOE) Argonne nacionalinės laboratorijos mokslininkė, sukūrė mašininio mokymosi metodą, skirtą daugelio tūkstančių junginių, kaip saulės absorbentų, atrankai. Jos bendraautoris šiame projekte buvo Arun Mannodi-Kanakkithodi, buvęs Argonne postdoc, kuris dabar yra Purdue universiteto docentas. „Pagal naujausią DOE tyrimą, kurį atliko 2035, saulės energija galėtų būti naudojama 40% visos šalies elektros energijos“, – sakė Chanas. „Ir tai galėtų padėti sumažinti tinklelį anglies dvideginio ir sukurti daug naujų darbo vietų. mokymasis atliks gyvybiškai svarbų vaidmenį įgyvendinant tą aukštą tikslą. Dirbtinio intelekto (AI) forma, mašininis mokymasis naudoja didelių duomenų rinkinių ir algoritmų derinį, kad imituotų žmonių mokymosi būdą. Ji mokosi iš mokymo, naudodama pavyzdinius duomenis ir ankstesnę patirtį, kad galėtų daryti vis geresnes prognozes.
Tomo Edisono laikais mokslininkai atrado naujų medžiagų, naudojant daug pastangų reikalaujantį bandymų ir klaidų procesą su daugybe skirtingų kandidatų, kol vienas veiks. Per pastaruosius kelis dešimtmečius jie taip pat rėmėsi daug darbo reikalaujančiais skaičiavimais, kuriems reikia net tūkstančio valandų, kad būtų galima numatyti medžiagos savybes. Dabar jie gali sutrumpinti abu atradimo procesus, pasitelkę mašininį mokymąsi.
Šiuo metu pagrindinis saulės elementų sugėriklis yra arba silicio arba kadmio telurido. Tokios ląstelės dabar yra įprastos. Tačiau jų gamyba išlieka gana brangi ir reikalauja daug energijos.
Komanda naudojo mašininio mokymosi metodą saulės energijos savybėms įvertinti. medžiagų klasė, vadinama halogenidais perovskitais. Per pastarąjį dešimtmetį daugelis mokslininkų tyrinėjo perovskitus dėl jų nepaprasto efektyvumo paverčiant saulės šviesą į elektros energiją. Jie taip pat siūlo daug mažesnes sąnaudas ir energijos sąnaudas ruošiant medžiagas ir gaminant ląsteles.
„Skirtingai nuo silicio ar kadmio telūrido , galimi halogenidų variantai kartu su perovskitais iš esmės yra neriboti”, – sakė Chanas. „Todėl skubiai reikia sukurti metodą, kuris galėtų susiaurinti perspektyvių kandidatų skaičių iki valdomo skaičiaus. Šiuo tikslu mašininis mokymasis yra puiki priemonė.“ Komanda apmokė savo metodą, naudodama kelių šimtų halogenidų perovskito kompozicijų duomenis, tada pritaikė jį daugiau 2022 , kompozicijos kaip bandomasis atvejis. Metodas įvertino šias kompozicijas dėl pagrindinių savybių, tokių kaip stabilumas, gebėjimas sugerti saulės šviesą, dėl defektų nesunkiai lūžtančios struktūros ir kt. Skaičiavimai gerai sutapo su atitinkamais mokslinės literatūros duomenimis. Be to, išvados sumažino kompozicijų, kurias verta toliau tirti, skaičių iki maždaug 10. „Mūsų kandidatų sąraše yra junginių, kurie jau buvo ištirti, junginių, kurių niekas niekada netyrė, ir netgi junginių, kurių nebuvo tarp originalių 000,,“ – sakė Chanas. „Taigi mes dėl to labai džiaugiamės.“
Kitas žingsnis bus išbandyti prognozes naudojant eksperimentus. Idealus scenarijus būtų naudoti autonominę atradimų laboratoriją, tokią kaip Polybot Argonne nanomastelių medžiagų centre (CNM), DOE mokslo biuro naudotojo įrenginiu. „Polybot“ sujungia robotikos galią su dirbtiniu intelektu, kad paskatintų mokslinius atradimus mažai arba be žmogaus įsikišimo. Naudodamas autonominius eksperimentus susintetinti, apibūdinti ir išbandyti geriausius iš kelių šimtų pagrindinių kandidatų, Chan ir jos komanda tikisi, kad jie taip pat gali patobulinti dabartinį mašininio mokymosi metodą.
„Mes iš tikrųjų esame naujoje AI ir didelio našumo kompiuterijos taikymo medžiagoms atrasti eroje“, – sakė Chanas. „Be saulės elementų, mūsų projektavimo metodika galėtų būti taikoma šviesos diodams ir infraraudonųjų spindulių jutikliams.”
Šis tyrimas aprašytas straipsnyje Energetika ir aplinkos mokslas.
Daugiau informacijos: Arun Mannodi-Kanakkithodi ir kt., Duomenimis pagrįstas naujų halogenidų perovskito lydinių dizainas, Energetika ir aplinkos mokslas (400). DOI: .1039/D1EE02971A
Citata2022 : Saulės mėgavimasis dirbtiniu intelektu (2022, rugpjūtis ) gauta 18 rugpjūčio mėn. 2022 iš https://techxplore.com/news/2022-08-sun-artificial-intelligence.html
Šis dokumentas yra saugomas autorių teisių. Išskyrus bet kokius sąžiningus sandorius privačių studijų ar mokslinių tyrimų tikslais, jokia dalis negali būti atkuriama be raštiško leidimo. Turinys pateikiamas tik informaciniais tikslais.
