Прорыв в поиске материалов
Обычно для поиска оптимальных молекул, способных проводить положительные заряды и повышать эффективность солнечных элементов, потребовалось бы синтезировать и протестировать миллионы вариантов. Однако команда под руководством профессора Паскаля Фридериха (KIT) и профессора Кристофа Брабека (Институт Гельмгольца Эрланген-Нюрнберг, HI ERN) разработала инновационный подход.
«Проведя всего 150 целевых экспериментов, мы достигли прорыва, который в противном случае потребовал бы сотен тысяч испытаний. Наш рабочий процесс открывает новые возможности для быстрого и экономичного поиска высокоэффективных материалов», — отметил Брабек.
С помощью одного из обнаруженных материалов исследователи увеличили КПД эталонного солнечного элемента на два процентных пункта — до 26,2%. «Этот успех демонстрирует, что применение интеллектуальных стратегий позволяет значительно экономить время и ресурсы при поиске новых энергетических материалов», — добавил Фридерих.
Как работает подход
Исследователи начали с базы данных, содержащей структурные формулы около миллиона виртуальных молекул, которые можно синтезировать из коммерчески доступных веществ. Из них случайным образом было отобрано 13 000 молекул. Используя квантово-механические методы, команда KIT определила их энергетические уровни, полярность, геометрию и другие свойства.
Затем из 13 000 молекул были выбраны 101 молекула с наибольшими различиями в свойствах. Их синтезировали с помощью роботизированных систем в HI ERN, использовали для создания солнечных элементов и измерили их эффективность. «Возможность производить сопоставимые образцы благодаря автоматизированной платформе синтеза и получать надежные данные была ключевой для успеха нашей стратегии», — подчеркнул Брабек.
Роль ИИ в открытии
На основе данных о 101 молекуле исследователи обучили модель искусственного интеллекта, которая предложила 48 новых молекул для синтеза. Критериями отбора были высокая ожидаемая эффективность и непредсказуемые свойства. «Если модель ИИ не уверена в прогнозе, это может указывать на потенциально высокую эффективность молекулы, которую стоит изучить подробнее», — объяснил Фридерих.
Используя предложенные ИИ молекулы, команда создала солнечные элементы с эффективностью выше среднего, включая те, что превзошли современные материалы. «Мы не можем утверждать, что нашли лучшую молекулу из миллиона, но мы близки к оптимуму», — отметил Фридерих.
ИИ против химической интуиции
Исследователи также смогли понять, на основе каких свойств ИИ делал свои предложения. Например, модель выделила химические группы, такие как амины, которые ранее игнорировались химиками. Это открытие подчеркивает, что ИИ может предлагать неочевидные решения, выходящие за рамки традиционной химической интуиции.
Перспективы применения
Брабек и Фридерих считают, что их стратегия может быть применена в других областях материаловедения, таких как поиск новых материалов для аккумуляторов, или для оптимизации целых компонентов. Этот подход открывает новые горизонты для ускоренного и экономически эффективного поиска инновационных материалов.
Если вам понравился материал, кликните значок - вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал - не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
