Los científicos están utilizando el aprendizaje automático para acelerar el desarrollo de materiales que pueden aprovechar la energía de la luz solar.

Aprovechar la luz solar es prometedor como un medio para generar energía renovable de manera limpia para tecnologías de próxima generación, desde celdas de combustible solar hasta sistemas de tratamiento de agua. Estas tecnologías requieren una comprensión de lo que sucede cuando los materiales y las moléculas absorben la luz solar.

Las simulaciones por computadora pueden ayudarnos a comprender mejor las interacciones entre la luz y la materia. Sin embargo, materiales de modelado con múltiples tipos de estructuras, como interfaces sólido / agua, es una tarea compleja. Pero ahora, Un equipo de investigación del Laboratorio Nacional Argonne del Departamento de Energía de EE. UU. (DOE) ha encontrado una manera de simplificar estas tareas de modelado.

Utilizando un enfoque basado en datos basado en el aprendizaje automático, el equipo pudo simplificar la solución de las ecuaciones de la mecánica cuántica que describen cómo la luz es absorbida por un sólido, líquido o molécula. Los resultados de la investigación se publicaron recientemente en Ciencias Químicas.

"Ciertamente no es intuitivo al principio, pero resulta que las técnicas de aprendizaje automático pueden usarse para propósitos muy diferentes a los de reconocer imágenes o predecir las necesidades del consumidor, "dijo Marco Govoni, coautor del estudio y científico asistente en la división de Ciencia de Materiales de Argonne.

¿El truco? Reconociendo que no todos los términos de las ecuaciones de la mecánica cuántica necesitan calcularse de la misma manera. De hecho, algunos términos podrían calcularse, o aprenderse, a partir de cantidades más simples, acelerando notablemente la simulación general.

"Una realización importante de nuestro trabajo fue comprender que podíamos reutilizar la información obtenida para un determinado sólido o líquido sin repetir cálculos para sistemas similares. En esencia, Creamos una especie de protocolo de reciclaje para reducir la complejidad de los cálculos necesarios para simular la absorción de luz por materiales y moléculas. "dijo Sijia Dong, quien era becario postdoctoral en Argonne cuando se realizó la investigación y ahora es profesor asistente en Northeastern University.

Estos protocolos pueden generar grandes ahorros cuando se trata de simulaciones que pueden llevar muchas horas o incluso días en arquitecturas informáticas de alto rendimiento.

De hecho, la técnica que ideó el equipo permitió que las simulaciones de espectros de absorción de sistemas complejos se ejecutaran entre 10 y 200 veces más rápido. Estos sistemas incluyen interfaces sólido / líquido como las que se encuentran entre el agua y un fotoelectrodo (un material que puede convertir la luz solar en electricidad).

"Nuestro estudio también dio una idea de cómo mejorar y modificar la teoría subyacente utilizada en las simulaciones, "dijo Giulia Galli, científico senior en la división de Ciencia de Materiales de Argonne y subdirector de estrategia en el Centro de Materiales Avanzados para Sistemas de Energía-Agua (AMEWS) de Argonne. Galli también es profesor de Ingeniería Molecular de la Familia Liew y profesor de química en la Universidad de Chicago y director del Centro Integrado de Materiales Computacionales del Medio Oeste (MICCoM) con sede en Argonne.

"El impacto de nuestro ejercicio de aprendizaje automático resultó ser más amplio de lo esperado; el enfoque basado en datos que adoptamos nos indicó nuevas formas de estudiar la interacción luz-materia en sistemas aún más realistas y complejos que el que comenzamos a estudiar. , "Agregó Galli.

El equipo ahora está estudiando la aplicación de estos accesos directos y protocolos de reciclaje a los problemas de la estructura electrónica, no solo relacionados con la absorción de luz, sino también a la manipulación de la luz para aplicaciones de detección cuántica.