Un nuevo algoritmo utiliza los elementos químicos de un cristal para predecir sus propiedades materiales. El algoritmo simplifica los cálculos necesarios para el descubrimiento de materiales y acelera el proceso en aproximadamente 10, 000 veces, en comparación con los algoritmos existentes. Crédito:Second Bay Studios / Harvard SEAS
Incluso en los coches más eficientes en consumo de combustible, aproximadamente el 60 por ciento de la energía total de la gasolina se pierde a través del calor en el tubo de escape y el radiador. Para combatir esto, Los investigadores están desarrollando nuevos materiales termoeléctricos que pueden convertir el calor en electricidad. Estos materiales semiconductores podrían recircular la electricidad de regreso al vehículo y mejorar la eficiencia del combustible hasta en un 5 por ciento.
El desafío es Los materiales termoeléctricos actuales para la recuperación de calor residual son muy costosos y su desarrollo requiere mucho tiempo. Uno de los materiales de última generación, hecho de una combinación de hafnio y circonio (elementos más comúnmente utilizados en reactores nucleares), tomó 15 años desde su descubrimiento inicial hasta un rendimiento optimizado.
Ahora, Investigadores de la Escuela de Ingeniería y Ciencias Aplicadas (SEAS) de Harvard John A. Paulson han desarrollado un algoritmo que puede descubrir y optimizar estos materiales en cuestión de meses. confiando en resolver ecuaciones de la mecánica cuántica, sin ninguna entrada experimental.
"Estos sistemas termoeléctricos son muy complicados, "dijo Boris Kozinsky, recientemente nombrado profesor asociado de ciencia de materiales computacionales en SEAS y autor principal del artículo. "Los materiales semiconductores deben tener propiedades muy específicas para funcionar en este sistema, incluyendo alta conductividad eléctrica, alta termopotencia, y baja conductividad térmica, para que todo ese calor se convierta en electricidad. Nuestro objetivo era encontrar un nuevo material que satisfaga todas las propiedades importantes para la conversión termoeléctrica y, al mismo tiempo, sea estable y económico ".
Kozinsky fue coautor de la investigación con Georgy Samsonidze, un ingeniero de investigación en el Centro de Investigación y Tecnología Robert Bosch en Cambridge, MAMÁ, donde ambos autores realizaron la mayor parte de la investigación.
Para encontrar tal material, el equipo desarrolló un algoritmo que puede predecir las propiedades de transporte electrónico de un material basándose únicamente en los elementos químicos utilizados en el cristal cristalino. La clave fue simplificar el enfoque computacional para la dispersión de electrones y fonones y acelerarlo en aproximadamente 10, 000 veces, en comparación con los algoritmos existentes.
El nuevo método y los resultados del cribado computacional se publican en Materiales energéticos avanzados .
Usando el algoritmo mejorado, los investigadores examinaron muchas estructuras cristalinas posibles, incluidas estructuras que nunca antes se habían sintetizado. De aquellos, Kozinsky y Samsonidze redujeron la lista a varios candidatos interesantes. De esos candidatos, los investigadores hicieron una mayor optimización computacional y enviaron a los mejores al equipo experimental.
En un esfuerzo anterior, los experimentadores sintetizaron los mejores candidatos sugeridos por estos cálculos y encontraron un material que era tan eficiente y estable como los materiales termoeléctricos anteriores, pero 10 veces más barato. El tiempo total desde la detección inicial hasta los dispositivos de trabajo:15 meses.
"Hicimos en 15 meses de computación y experimentación lo que tomó 15 años para optimizar los materiales anteriores, ", dijo Kozinsky." Lo que es realmente emocionante es que probablemente aún no comprendamos completamente el alcance de la simplificación. Potencialmente, podríamos hacer que este método sea aún más rápido y económico ".
Kozinsky dijo que espera mejorar la nueva metodología y utilizarla para explorar el transporte electrónico en una clase más amplia de nuevos materiales exóticos, como los aislantes topológicos.