هوش مصنوعی، رمز نسل بعدی انرژی خورشیدی را می‌شکند!

تقاضای جهانی برای برق با سرعت زیادی در حال افزایش است، که یافتن راه‌های پایدار برای تأمین نیازهای آینده را ضروری می‌سازد. یک راه حل ممکن، در توسعه مواد پیشرفته سلول‌های خورشیدی نهفته است که کارایی بسیار بیشتری نسبت به مواد امروزی دارند. این مواد جدید می‌توانند به قدری نازک و انعطاف‌پذیر ساخته شوند که احتمالاً می‌توانند هر چیزی، از تلفن‌های هوشمند گرفته تا کل ساختمان‌ها را بپوشانند.

محققان در دانشگاه صنعتی چالمرز در سوئد اخیراً در مقابله با یکی از امیدوارکننده‌ترین و در عین حال گیج‌کننده‌ترین گزینه‌ها، یعنی پروسکایت‌های هالیدی، پیشرفت‌هایی داشته‌اند. آنها با ترکیب شبیه‌سازی‌های کامپیوتری و یادگیری ماشین، در حال شروع به رمزگشایی رفتار پیچیده این مواد هستند.

فوریت توسعه انرژی پاک‌تر

بر اساس اعلام آژانس بین‌المللی انرژی، برق در حال حاضر ۲۰ درصد از مصرف انرژی جهانی را تشکیل می‌دهد. انتظار می‌رود طی ۲۵ سال آینده، این سهم به بیش از ۵۰ درصد افزایش یابد، که بر فوریت توسعه فناوری‌های انرژی پاک‌تر و کارآمدتر تأکید بیشتری می‌کند.

جولیا ویکتور، محقق اصلی این مطالعه و استادیار در چالمرز، می‌گوید:

برای پاسخگویی به این تقاضا، نیاز قابل توجه و رو به رشدی به روش‌های جدید، سازگار با محیط زیست و کارآمد تبدیل انرژی، مانند سلول‌های خورشیدی کارآمدتر وجود دارد. یافته‌های ما برای مهندسی و کنترل یکی از امیدوارکننده‌ترین مواد سلول خورشیدی برای بهینه‌سازی استفاده، ضروری هستند. بسیار هیجان‌انگیز است که اکنون روش‌های شبیه‌سازی داریم که می‌توانند به سؤالاتی پاسخ دهند که تنها چند سال پیش حل نشده بودند.

مواد امیدوارکننده برای سلول‌های خورشیدی کارآمد

موادی که در گروهی به نام پروسکایت‌های هالیدی قرار می‌گیرند، امیدوارکننده‌ترین گزینه برای تولید سلول‌های خورشیدی و دستگاه‌های اپتوالکترونیک (مانند لامپ‌های LED) مقرون‌به‌صرفه، انعطاف‌پذیر و سبک‌وزن در نظر گرفته می‌شوند، زیرا نور را با کارایی بسیار بالایی جذب و منتشر می‌کنند. با این حال، مواد پروسکایتی می‌توانند به سرعت تخریب شوند و برای استفاده بهینه از آنها، نیاز به درک عمیق‌تری از علت این اتفاق و نحوه عملکرد این مواد است.

دانشمندان مدت‌هاست که برای درک یک ماده خاص در این گروه، یک ترکیب بلوری به نام فرم‌آمیدینیوم سرب یدید (formamidinium lead iodide)، با مشکل مواجه بوده‌اند. این ماده خواص اپتوالکترونیک برجسته‌ای دارد. استفاده بیشتر از این ماده به دلیل ناپایداری آن با مشکل مواجه شده است، اما این مشکل می‌تواند با ترکیب دو نوع پروسکایت هالیدی حل شود. با این حال، برای اینکه محققان بتوانند این ترکیب را به بهترین شکل کنترل کنند، نیاز به دانش بیشتری در مورد این دو نوع است.

کلید طراحی و کنترل مواد

اکنون یک گروه تحقیقاتی در چالمرز می‌تواند گزارشی دقیق از یک فاز مهم این ماده ارائه دهد که قبلاً توضیح آن تنها از طریق آزمایش‌ها دشوار بود. درک این فاز کلیدی برای توانایی طراحی و کنترل هم این ماده و هم ترکیبات مبتنی بر آن است. این مطالعه اخیراً در مجله انجمن شیمی آمریکا منتشر شده است.

سانگیتا دوتا، محقق چالمرز، می‌گوید:

فاز دمای پایین این ماده مدت‌هاست که قطعه گمشده پازل تحقیق بوده و ما اکنون یک سؤال بنیادی در مورد ساختار این فاز را حل کرده‌ایم.

یادگیری ماشین به این موفقیت کمک کرد!

تخصص محققان در ساخت مدل‌های دقیق از مواد مختلف در شبیه‌سازی‌های کامپیوتری است. این کار به آنها اجازه می‌دهد تا مواد را با قرار دادن در سناریوهای مختلف آزمایش کنند و سپس این نتایج به صورت تجربی تأیید می‌شوند.

با این حال، مدل‌سازی مواد در خانواده پروسکایت‌های هالیدی دشوار است، زیرا ثبت و رمزگشایی خواص آنها به سوپرکامپیوترهای قدرتمند و زمان‌های شبیه‌سازی طولانی نیاز دارد.

دوتا می‌گوید:

با ترکیب روش‌های استاندارد خود با یادگیری ماشین، اکنون قادر به اجرای شبیه‌سازی‌هایی هستیم که هزاران برابر طولانی‌تر از قبل هستند. و مدل‌های ما اکنون می‌توانند به جای صدها اتم، شامل میلیون‌ها اتم باشند، که آنها را به دنیای واقعی نزدیک‌تر می‌کند.

مشاهدات آزمایشگاهی با شبیه‌سازی‌ها مطابقت دارد

محققان ساختار فرم‌آمیدینیوم سرب یدید را در دماهای پایین شناسایی کردند. آنها همچنین توانستند مشاهده کنند که مولکول‌های فرم‌آمیدینیوم در حالی‌که ماده در حال سرد شدن است، در یک وضعیت نیمه‌پایدار گیر می‌افتند. برای اطمینان از اینکه مدل‌های مطالعه آنها واقعیت را منعکس می‌کنند، آنها با محققان تجربی در دانشگاه بیرمنگام همکاری کردند. آنها ماده را تا ۲۰۰- درجه سانتی‌گراد سرد کردند تا مطمئن شوند آزمایش‌های آنها با شبیه‌سازی‌ها مطابقت دارد.

اریک فرنسون، از دپارتمان فیزیک در چالمرز، می‌گوید:

ما امیدواریم بینش‌هایی که از شبیه‌سازی‌ها به دست آورده‌ایم بتواند به نحوه مدل‌سازی و تجزیه و تحلیل مواد پروسکایت هالیدی پیچیده در آینده کمک کند.

منبع: Scitechdaily