L’intelligenza artificiale migliora l’efficienza dei pannelli solari

Un team di ricercatori australiani ha creato un programma di machine learning in grado di prevedere l’efficienza di conversione dei materiali del fotovoltaico organico. Anche di quelli ancora non esistenti

efficienza dei pannelli solari
Credits: depositphotos.com

Nuovo modello di apprendimento automatico per aumentare l’efficienza dei pannelli solari

(Rinnovabili.it) – Le tecnologie dell’intelligenza artificiale sono oramai approdate anche nel campo delle energie rinnovabili. C’è chi, come Google le porta sui campi eolici per migliorare i dati previsionali, e chi le impiega per aumentare l’efficienza dei pannelli solari. È il caso di un team di ricercatori guidati da Dr. Nastaran Meftahi e dal Professor Salvy Russo della RMIT University, in Australia, in collaborazione con i colleghi della Monash University. Il gruppo si è rivolto all’A.I per creare un innovativo programma di apprendimento automatico (machine learning) che aiutasse a incrementare la resa del fotovoltaico.

Nel dettaglio, il nuovo modello messo a punto è in grado di prevedere l’efficienza di conversione dei raggi solari in elettricità dei materiali impiegati nelle celle. Ad oggi il lavoro si concentra sul segmento organico, che impiega semiconduttori polimerici o piccole molecole naturali al posto di silicio e “affini”.  Dopo decenni di dominio assoluto del silicio cristallino, si sta nuovamente accelerando la ricerca di nuovi semiconduttori e tecnologie che siano più economiche ma soprattutto flessibili e facili da produrre. Una delle sfide principali per il fotovoltaico organico è selezionare l’enorme volume di composti chimici, potenzialmente adatti, da sintetizzare (ossia da realizzare su misura da parte degli scienziati).

Il contributo in più dato dal machine learning è la possibilità di predire l’efficienza dei pannelli solari anche con materiali “virtuali”, ossia non ancora esistenti, ma solo progettati teoricamente. Gli scienziati hanno già provato a utilizzare l’apprendimento automatico per risolvere questo problema; ma molti di questi modelli richiedevano tempo, una notevole potenza di elaborazione del computer ed erano difficili da replicare. A differenza di alcuni modelli complicati e dispendiosi in termini di tempo, il nuovo approccio è rapido, facile da usare e il codice è disponibile gratuitamente per tutti gli scienziati e gli ingegneri.

La chiave alla base di questo salto qualitativo è stata la sostituzione di parametri complicati e computazionalmente costosi, che richiedono calcoli di meccanica quantistica, con descrittori molecolari; si tratta di una rappresentazione matematica formale dell’informazione chimica che permette di confrontare tra loro molecole diverse. In questo modo il team ha potuto ottenere dati importanti sui frammenti chimici più significativi nei materiali che influenzano l’efficienza di conversione del fotovoltaico. Il programma potrebbe accelerare in modo significativo il processo di progettazione di celle e pannelli solari più efficienti. e farlo in un momento in cui la domanda di energia rinnovabile, è più elevata che mai.

Leggi anche Renewables 2020 dell’IEA: crescita record per capacità di fonti rinnovabili

 I risultati sono stati pubblicati sulla rivista Nature Computational Materials.

Articolo precedenteRenewables 2020 dell’IEA: crescita record per capacità di fonti rinnovabili
Articolo successivoAddio negazionismo, ora la FED dice che il cambiamento climatico è un rischio

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui

Leave the field below empty!