Las células solares desempeñarán un papel clave en el cambio hacia una economía renovable. La energía fotovoltaica orgánica OPV es una clase prometedora de células solares, basadas en una molécula orgánica absorbente de luz combinada con un polímero semiconductor.
Los OPV están hechos de materiales económicos y livianos, y se benefician de una buena seguridad y de una producción fácil. Sin embargo, sus eficiencias de conversión de energía PCE, la capacidad de convertir la luz en electricidad aún son demasiado bajas para la escala completacomercialización
El PCE depende tanto de la capa orgánica como de la capa de polímero. Tradicionalmente, los químicos han experimentado con diferentes combinaciones de estos por prueba y error, lo que lleva a una gran cantidad de tiempo y esfuerzo desperdiciados.
Ahora, un equipo de investigadores de la Universidad de Osaka ha utilizado la energía de la computadora para automatizar la búsqueda de materiales solares bien adaptados. En el futuro, esto podría conducir a dispositivos mucho más eficientes. El estudio se informó en The Journal of Physical Chemistry Letters .
"La elección del polímero afecta varias propiedades, como la corriente de cortocircuito, que determina directamente el PCE", explica el primer autor del estudio Shinji Nagasawa. "Sin embargo, no hay una manera fácil de diseñar polímeros con propiedades mejoradas. El conocimiento químico tradicional no est suficiente. En su lugar, usamos inteligencia artificial para guiar el proceso de diseño ".
La informática puede dar sentido a conjuntos de datos grandes y complejos mediante la detección de tendencias estadísticas que eluden a los expertos humanos. El equipo reunió datos sobre 1,200 OPV de alrededor de 500 estudios. Utilizando el aprendizaje automático Random Forest, construyeron un modelo que combina la brecha de banda, el peso molecular,y la estructura química de estos OPV anteriores, junto con su PCE, para predecir la eficiencia de posibles nuevos dispositivos.
Random Forest descubrió una correlación mejorada entre las propiedades de los materiales y su rendimiento real en OPV. Para explotar esto, el modelo se usó para "seleccionar" automáticamente los posibles polímeros para su PCE teórico. La lista de candidatos principales se redujo a continuaciónbasado en la intuición química sobre lo que se puede sintetizar en la práctica.
Esta estrategia llevó al equipo a crear un nuevo polímero previamente no probado. En el caso, un OPV práctico basado en este primer intento resultó menos eficiente de lo esperado. Sin embargo, el modelo proporcionó información útil sobre la relación estructura-propiedad. Sus prediccionespodría mejorarse al incluir más datos, como la solubilidad de los polímeros en agua o la regularidad de su columna vertebral.
"El aprendizaje automático podría acelerar enormemente el desarrollo de células solares, ya que predice instantáneamente resultados que tomarían meses en el laboratorio", dice el coautor Akinori Saeki. "No es un reemplazo directo para el factor humano, pero podría proporcionar un factor crucialsoporte cuando los diseñadores moleculares tienen que elegir qué caminos explorar ".
Fuente de la historia :
Materiales proporcionado por Universidad de Osaka . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :