Quay lại

Công nghệ học máy dự đoán thuộc tính của các thiết bị quang điện hữu cơ

Kích cỡ chữ:A+ |A |A-

25/11/2020 : 00:11

Các nhà nghiên cứu tại  ARC Centre of Excellence in Exciton Science đã nghiên cứu thành công mô hình học máy mới dự đoán hiệu suất chuyển đổi năng lượng (PCE) của các vật liệu có thể được sử dụng trong pin mặt trời hữu cơ thế hệ tiếp theo, bao gồm cả các hợp chất 'ảo' chưa tồn tại.

Pin mặt trời quang điện hữu cơ (OPV) đang dần thay thế pin silicon, do có giá thành rẻ hơn, linh hoạt hơn và dễ xử lý sau khi thải bỏ hơn. Tuy nhiên, do các nhà khoa học thường xuyên thay đổi các hợp chất hóa học tiềm năng để làm vật liệu sản xuất OPV, nên việc phân loại số lượng lớn các hợp chất này rất phức tạp.

Trước đây, các nhà nghiên cứu đã sử dụng công nghệ máy học để giải quyết vấn đề này, nhưng nhiều mô hình rất tốn thời gian, đòi hỏi xử lý tính toán lượng tử phức tạp và rất khó sao chép. Quan trọng nhất là chúng không đưa ra được các dự đoán cần thiết cho quá trình nghiên cứu, chế tạo các thiết bị năng lượng mặt trời mới.

Nhóm nghiên cứu gồm GS. Udo Bach, GS. Salvy Russo, TS. Nastaran Meftahi và các đồng sự đã thay thế các tham số phức tạp (đòi hỏi phải tính toán cơ lượng tử tốn kém) bằng các ký hiệu mô tả đơn giản hơn và có thể giải thích được về mặt hóa học của các phân tử được phân tích. Chúng cung cấp dữ liệu quan trọng về các tính chất hóa học quan trọng nhất của vật liệu có ảnh hưởng đến PC và đưa ra thông tin có thể được sử dụng để cải tiến thiết kế vật liệu.

Bằng cách sử dụng mô hình mới này, các nhà nghiên cứu đã có thể thấy các dữ liệu quan trọng, mang tính dự đoán, đồng thời tạo ra các mối quan hệ định lượng giữa các ký hiệu phân tử đang được kiểm tra và hiệu quả của các thiết bị OPV trong tương lai. Cách tiếp cận này giúp đẩy nhanh đáng kể quá trình thiết kế pin mặt trời.

TS. Nastaran Meftahi cho biết: “Đa số các mô hình sử dụng các bộ mô tả điện tử phức tạp và tốn kém về mặt tính toán, và chúng không thể diễn giải về mặt hóa học. Có nghĩa là, các nhà hóa học hoặc nhà khoa học thực nghiệm không thể lấy ý tưởng từ những mô hình đó để thiết kế và tổng hợp các vật liệu trong phòng thí nghiệm. Tuy nhiên, nếu họ sử dụng mô hình của chúng tôi, mọi việc có thể trở nên rõ ràng và đơn giản hơn nhiều, bởi chúng tôi sử dụng các bộ mô tả đơn giản, có thể giải thích được về mặt hóa học."

Hiện nay, nhóm nghiên cứu đang mở rộng phạm vi nghiên cứu với các bộ dữ liệu thử nghiệm tính toán lớn hơn và chính xác hơn.

Kết quả đã được công bố trên tạp chí Nature Journal Computational Materials.

 Diệu Huyền (CESTI) - Theo Techxplore.com

(Nguồn http://cesti.gov.vn)

 

 

Tin liên quan