Neredeyse Sınırsız Güneş Pili Deneyleri
Fotoğraf: Polimerin makine öğrenimi ile tasarlandığı fulleren (bir tür molekül) olmayan alıcı güneş pili cihazı. Osaka Üniversitesi
Osaka Üniversitesi araştırmacıları, fotovoltaik cihazlarda kullanılmak üzere yeni polimerler tasarlamak için makine öğrenimini kullandı. 200.000’den fazla aday materyali sanal olarak taradıktan sonra, en umut verici olanlardan birini sentezlediler ve özelliklerinin tahminleriyle tutarlı olduğunu gördüler. Bu çalışma, işlevsel malzemelerin keşfedilme biçiminde bir devrime yol açabilir.
Makine öğrenimi, algoritmalar yeterli örnek verilerle sağlandığı sürece, bilgisayarların karmaşık durumlar hakkında bile tahminlerde bulunmalarını sağlayan güçlü bir araçtır. Bu, çok çeşitli faktörlere ve bilinmeyen moleküler yapılara bağlı olabilen organik güneş pilleri için moleküllerin tasarlanması gibi malzeme bilimindeki karmaşık problemler için özellikle yararlıdır.
İnsanların, altta yatan kalıpları bulmak için verileri incelemesi yıllar alır – ve organik bir güneş hücresini oluşturan tüm olası donör polimer ve alıcı molekül kombinasyonlarını test etmek daha da uzun sürer. Bu nedenle, yenilenebilir enerji alanında rekabetçi olmak için güneş pillerinin verimliliğini artırmada ilerleme yavaş olmuştur.
Yakın zamanda, Osaka Üniversitesi’ndeki araştırmacılar, daha önce yayınlanmış deneysel çalışmalardan elde edilen verilerle eğitilmiş bir algoritmaya dayanarak yüz binlerce donör:alıcı çiftini taramak için makine öğrenimini kullandılar. 382 donör molekülünün ve 526 alıcı molekülün tüm olası kombinasyonlarını denemek, enerji dönüşüm verimliliğini tahmin ederek neredeyse test edilen 200.932 çift ile sonuçlandı.
Fotoğraf: Örnek bir polimerin (solda) ve fulleren olmayan bir alıcının (sağda) kimyasal yapıları. Osaka Üniversitesi
İlk yazar Kakaraparthi Kranthiraja, “Makineye dayalı modelimizin yapısını deneysel bir veri kümesine dayandırmak, tahmin doğruluğunu büyük ölçüde artırdı” diyor.
Bu yöntemi doğrulamak için, yüksek verimliliğe sahip olduğu tahmin edilen polimerlerden biri laboratuarda sentezlendi ve test edildi. Özelliklerinin tahminlere uygun olduğu tespit edildi, bu da araştırmacılara yaklaşımlarına daha fazla güven verdi.
Fotoğraf: Makine öğrenimi modelinin geliştirilmesi yöntemi, polimerlerin sanal üretimi ve sentez için polimerlerin seçimi. Osaka Üniversitesi
Kıdemli yazar Akinori Saeki, “Bu proje yalnızca yüksek verimli organik güneş pillerinin geliştirilmesine katkıda bulunmakla kalmaz, aynı zamanda diğer işlevsel materyallerin materyal bilişimine de uyarlanabilir,” diyor.
Bir algoritmanın, katalizörler ve fonksiyonel polimerler gibi diğer alanlara uygulanan makine öğrenimi tahminlerine dayanan binlerce veya belki de milyonlarca aday molekülü hızla tarayabileceği bu tür bir makine öğrenimini görebiliriz.
Kaynak: phys.org
