یادگیری ماشین برای شناسایی مواد خورشیدی با کارایی بالا

دانشمندان با کمک سوپر کامپیوترها مواد جدید نوید بخشی برای سلول‌های خورشیدی پیدا می‌کنند.

تاریخ: 5 مارس 2019
منبع: DOE / Laboratory of Argonne National
 

پیدا کردن بهترین مواد شیمیایی دارای بازده بالا برای استفاده در سلول‌های خورشیدی می‌تواند مانند جستجوی یک سوزن در یک خرمن به نظر برسد. در طول سالها، محققان هزاران رنگ و رنگ دانه‌ی مختلف را توسعه داده و آزمایش کرده‌اند تا ببینند که چگونه نور خورشید را جذب و به برق تبدیل می‌کنند. مرتب سازی همه آنها نیاز به یک روی کرد نوآورانه دارد. به لطف یک مطالعه که ترکیبی از قدرت سوپر کامپیوتر با علوم داده‌ها و روش‌های تجربی است، محققان یک رویکرد جدید "طراحی به دستگاه" جدید برای تعیین هویت مواد امیدوار کننده برای سلول‌های خورشیدی حساس شده به رنگ (DSSCs) را توسعه داده‌اند. 

 
در حال حاضر، به لطف یک مطالعه که ترکیبی از قدرت سوپر کامپیوتر با علوم داده و روش‌های تجربی است، محققان در وزارت انرژی ایالات متحده (DOE) آزمایشگاه ملی Argonne ملی و دانشگاه کمبریج در انگلستان یک روی کرد "طراحی به دستگاه" جدید برای تعیین هویت مواد امیدوار کننده برای سلول‌های خورشیدی حساس شده به رنگ (DSSCs) را توسعه داده‌اند. DSSCها می‌توانند با تکنیک‌های کم هزینه و مقیاس پذیر تولید شوند، و این به آنها اجازه می‌دهد به نسبت‌های اجرا – به – قیمت رقابتی دست پیدا کنند.
 
تیمی که ژاکلین کول، دانش آموخته موادArgonne  رهبری می‌کرد و همچنین گروه مهندسی مولکولی در آزمایشگاه کاواندیش دانشگاه کمبریج به رهبری دانش آموخته مهندسی Argonne، از سوپر کامپیوتر تتا در مرکز ارزیابی رهبری ALCF برای مشخص کردن پنج ماده با کارآیی بالا و مواد رنگی با قیمت پایین از یک استخر حاوی تقریباً 10000 نامزد برای ساخت و آزمایش دستگاه استفاده کرد.
 
کول گفت: "این مطالعه بسیار هیجان انگیز است زیرا ما توانستیم چرخه کامل کشف مواد مبتنی بر داده را نشان دهیم - از استفاده از روشهای محاسباتی پیشرفته برای شناسایی مواد با خواص بهینه برای تولید این مواد در یک آزمایشگاه گرفته تا آزمایش آنها در دستگاه های فتوولتائیک واقعی."
 
از طریق یک پروژه برنامه علوم داده ALCF، کول با دانشمندان محاسباتی Argonne کار کرد تا یک گردش کار خود کار ایجاد کند که ترکیبی از شبیه سازی، داده کاوی و تکنیک‌های یاد گیری ماشین را برای تجزیه و تحلیل هزاران ترکیب شیمیایی همزمان فراهم می‌کند. این روند با تلاش برای مرتب کردن صدها هزار مجله علمی برای جمع آوری داده‌های شیمیایی و جذب برای طیف وسیعی از نامزدهای رنگ ارگانیک آغاز شد. "تقریبا غیر ممکن است یک رنگ پیدا کنید که واقعا برای تمام طول موج‌ها کار خوبی داشته باشد."
 
کول گفت: "مزیت این فرآیند این است که کتابچه راهنمای کاربر قدیمی پایگاه داده‌ها که شامل ارزش کار سالانه می‌شود را از بین می برد و آن را به یک دوره چند ماهه و در نهایت چند روزه کاهش می‌دهد."
 
کار محاسباتی شامل استفاده از تکنیک‌های دقیق‌تر و ظریف‌تر برای تولید جفت رنگ‌های بالقوه است که می‌توانند در ترکیب با یک دیگر برای جذب نور در طیف خورشید کار کنند. کول گفت: "تقریبا غیر ممکن است یک رنگ پیدا کنید که واقعا برای تمام طول موج‌ها کار خوبی داشته باشد." "این به خصوص در مورد مولکول‌های آلی درست است، زیرا آنها نوارهای جذب نوری باریک‌تری دارند؛ اما ما واقعا می‌خواستیم فقط روی مولکول‌های آلی تمرکز کنیم، زیرا آنها به طور قابل توجهی سازگار با محیط زیست هستند."
 
محدود کردن تعداد اولیه از 10000 نامزد بالقوه‌ی رنگ به فقط تعداد کمی از فرصتهای امیدوار کننده، درگیرِ استفاده مجدد از منابع محاسبات ALCF برای انجام یک روی کرد چند مرحله ای بود. اول، کول و همکارانش از ابزارهای داده کاوی برای از دور خارج کردن مولکولهای فلزات آلی که عموما نور کمتری نسبت به رنگهای آلی را در یک طول موج مشخص جذب می‌کنند و مولکول‌های آلی که برای جذب نور مرئی بسیار کوچک هستند استفاده کردند.
 
حتی پس از گذراندن این مرحله، محققان همچنان تقریبا 3000 نامزد رنگ را باید در نظر می‌گرفتند. برای غربال بیشترِ انتخاب، دانشمندان رنگهایی که شامل اجزای اسید کربوکسیلیک هستند که می‌توانند به عنوان چسبهای شیمیایی یا لنگرهایی برای اتصال رنگ به ساپورتهای دی اکسید تیتانیوم استفاده شوند را غربال کردند. سپس محققان از تتا برای انجام محاسبات ساختار الکترونیکی بر روی نامزدهای باقی مانده استفاده کردند تا ممان دوقطبی مولکولی یا درجه قطبش هر رنگ را مشخص کنند.
 
کول گفت: "ما واقعا می‌خواهیم این مولکول‌ها به اندازه کافی قطبی باشند تا بار الکتریکی آنها در مولکول بالا باشد." "این اجازه می دهد تا الکترون تحریک شده توسط نور طول رنگ را بپیماید و به میان چسب شیمیایی و سپس به نیمه رسانای دی اکسید تیتانیوم برود تا مدار الکتریکی را شروع کند."
 
پس از این که جستجو را به حدود 300 رنگ محدود کردند، محققان از تنظیم محاسبات خود برای بررسی طیف جذبی نور برای تولید یک دسته‌ی تقریبا 30 تایی رنگ استفاده کردند به طوری که این دسته بتواند نامزد بررسی آزمایشی باشد. با این حال، کول و همکارانش، محاسبات تابع چگالی فشرده (DFT) را بر روی تتا انجام دادند تا بتوانند ارزیابی کنند که چگونه هر کدام از آنها در یک محیط آزمایشی اجرا شود. مرحله نهایی این مطالعه، آزمایش تجربی اعتبار مجموعه‌ای از پنج نامزد بود که امیدوار کننده‌ترین کاندیدهای رنگ  از این پیش بینی‌ها بودند، که این نیاز به همکاری همه در سراسر جهان داشت.
 
مرحله نهایی این مطالعه، آزمایش تجربی اعتبار مجموعه‌ای از پنج نامزد بود که امیدوار کننده‌ترین کاندیدهای رنگ  از این پیش بینی‌ها بودند، که این نیاز به همکاری همه در سراسر جهان داشت. چون هر کدام از رنگ‌های مختلف در ابتدا در آزمایشگاه‌های مختلف در سرتاسر جهان برای اهداف دیگری ساخته شده بودند، کول به طراحان اصلی رنگ دست پیدا کرد، و هر کدام از آنها یک رنگ نمونه جدید را برای تیم او فرستاد تا تحقیق کند.
 
کول گفت: "این واقعا یک کار تیمی بسیار بزرگی بود که این همه انسان از سراسر جهان را واداری که در این تحقیق همکاری کنند."
 
کول گفت: "این یک نتیجه بسیار دلگرم کننده بود زیرا ما با محدود کردن خودمان به مولکول‌های آلی به دلایل زیست محیطی کار خود را سخت‌تر ساختیم و در عین حال متوجه شدیم که این رنگ‌های آلی نیز به خوبی شناخته شده‌اند."
 
منبع گزارش:
مطالب منتشر شده توسط آزمایشگاه ملی DOE / Argonne
 
بر گرفته از سایت ساینس دیلی

مترجم: علی رضایی میر قائد