La Universidad de Osaka usa inteligencia artificial para estudiar la fotovoltaica orgánica

Share

Un artículo publicado por científicos de la Escuela de Ciencias Aplicadas de la Universidad de Osaka en una revista científica considera el uso de la inteligencia artificial (IA) en el diseño de nuevas combinaciones de materiales para células fotovoltaicas orgánicas (OPV).

Las OPV han tenido dificultades para alcanzar eficiencias de conversión de energía comercialmente competitivas, a pesar de que varias compañías en todo el mundo han invertido grandes sumas en I + D relacionadas con la tecnología. Los paneles fotovoltaicos orgánicos están hechos de materiales económicos y livianos que son seguros de manejar y son fáciles de producir. Sin embargo, sus eficiencias de conversión de energía (PCE) son aún demasiado bajas para la comercialización a gran escala. Las PCE dependen de las capas orgánicas y de polímeros y los químicos han experimentado con diferentes combinaciones sin encontrar una mejora suficiente en la eficiencia hasta la fecha.

La informática de Big Data puede ayudar a los científicos a navegar por conjuntos de datos grandes y complejos, identificando tendencias estadísticas potencialmente importantes. Los científicos japoneses mencionaron en el artículo datos de 1.200 tipos de fotovoltaica orgánica provenientes de alrededor de 500 estudios en un paquete de inteligencia artificial, para navegar por la fase de prueba y error, que de otro modo consumiría mucho tiempo. Al analizar el rendimiento de cada material utilizado, y considerando su interacción con otros compuestos, el software de aprendizaje automático puede sacar conclusiones sobre posibles combinaciones de diferentes moléculas orgánicas y polímeros más rápido que los humanos. La IA hace predicciones de rendimiento de las nuevas constelaciones de material que genera.

Según los científicos de la universidad japonesa, la predicción para la primera constelación de materiales probados era incorrecta, ya que no se realizó correctamente. Sin embargo, destacan que los datos adicionales agregados al sistema mejorarán el proceso.

“El aprendizaje automático podría acelerar enormemente el desarrollo de las células solares, ya que predice instantáneamente resultados que llevarían meses en el laboratorio”, dice Akinori Saeki, coautor del artículo publicado en el Journal of Physical Chemistry Letters. “No es un reemplazo directo del factor humano, pero podría proporcionar un apoyo crucial cuando los diseñadores moleculares tienen que elegir qué vías explorar”.