Exploiter le soleil avec l’intelligence artificielle

Le soleil transmet en permanence des billions de watts d’énergie à la Terre. Il en sera ainsi pendant des milliards d’années. Cependant, nous venons tout juste de commencer à puiser dans cette abondante source d’énergie renouvelable à un coût abordable.

Les absorbeurs solaires sont un matériau utilisé pour convertir cette énergie en chaleur ou en électricité. Maria Chan, scientifique au Laboratoire national d’Argonne (DOE) du Département américain de l’énergie, a développé une méthode d’apprentissage automatique pour suivre des milliers de composés en tant qu’absorbeurs d’énergie solaire. Son co-auteur sur ce projet était Arun Mannodi-Kanakkithodi, un ancien post-doctorant à Argonne qui est maintenant professeur adjoint à l’Université Purdue.

“Nous sommes vraiment dans une nouvelle ère d’application de l’IA et du calcul haute performance à la découverte des matériaux.” — Maria Chan, scientifique, Center for Nanoscale Materials

Des méthodes d’apprentissage automatique sont développées à Argonne pour faire avancer la recherche sur l’énergie solaire avec les pérovskites.

” légende-image-données=”

Image reproduite avec l’aimable autorisation de Maria Chan/Argonne National Laboratory.

” data-medium-file=”https://cleantechnica.com/files/2022/09/image-400×225.jpg” data-large-file=”https://cleantechnica.com/files/2022/09/image .jpg” loading=”paresseux” class=”taille complète wp-image-276007″ alt=”” width=”502″ height=”282″ srcset=”https://cleantechnica.com/files/2022/09 /image.jpg 502w, https://cleantechnica.com/files/2022/09/image-400×225.jpg 400w” size=”(largeur max : 502px) 100vw, 502px”/>

Des méthodes d’apprentissage automatique sont développées à Argonne pour faire avancer la recherche sur l’énergie solaire avec les pérovskites. (Image de Maria Chan/Laboratoire national d’Argonne.)

“Selon une récente étude du DOE, d’ici 2035, l’énergie solaire pourrait fournir 40% de l’électricité du pays”, a déclaré Chan. “Et cela peut aider à décarboner le réseau et créer de nombreux nouveaux emplois.”

Chan et Mannodi-Kanakkithodi parient que l’apprentissage automatique jouera un rôle vital dans la réalisation de ce noble objectif. Une forme d’intelligence artificielle (IA), l’apprentissage automatique utilise une combinaison de grands ensembles de données et d’algorithmes pour imiter la façon dont les humains apprennent. Il apprend de la formation avec des exemples de données et de l’expérience passée pour faire des prédictions de mieux en mieux.

À l’époque de Thomas Edison, les scientifiques ont découvert de nouveaux matériaux par le processus laborieux d’essais et d’erreurs avec de nombreux candidats différents jusqu’à ce qu’un seul fonctionne. Au cours des dernières décennies, ils se sont également appuyés sur des calculs à forte intensité de main-d’œuvre, nécessitant jusqu’à 1 000 heures pour prédire les propriétés d’un matériau. Désormais, ils peuvent raccourcir les deux processus de découverte à l’aide de l’apprentissage automatique.

Actuellement, l’absorbeur principal des cellules solaires est le silicium ou le tellurure de cadmium. Ces cellules sont désormais monnaie courante. Mais ils restent assez chers et consomment beaucoup d’énergie pour leur fabrication.

L’équipe a utilisé sa méthode d’apprentissage automatique pour évaluer les propriétés d’énergie solaire d’une classe de matériaux appelés pérovskites aux halogénures. Au cours de la dernière décennie, de nombreux chercheurs ont étudié les pérovskites en raison de leur remarquable efficacité à convertir la lumière du soleil en électricité. Ils offrent également la perspective d’un coût et d’une énergie beaucoup plus faibles pour la préparation des matériaux et la construction des cellules.

“Contrairement au silicium ou au tellurure de cadmium, les variations possibles des halogénures combinés aux pérovskites sont essentiellement illimitées”, a déclaré Chan. “Il y a donc un besoin urgent de développer une méthode qui puisse réduire les candidats prometteurs à un nombre gérable. À cette fin, l’apprentissage automatique est un outil parfait.”

L’équipe a formé sa méthode avec des données pour quelques centaines de compositions d’halogénure de pérovskite, puis l’a appliquée à plus de 18 000 compositions comme cas de test. La méthode a évalué ces compositions pour des propriétés clés telles que la stabilité, la capacité à absorber la lumière du soleil, une structure qui ne se brise pas facilement en raison de défauts, etc. Les calculs concordaient bien avec les données pertinentes de la littérature scientifique. De plus, les résultats ont réduit le nombre de compositions méritant une étude plus approfondie à environ 400.

“Notre liste de candidats contient des composés qui ont déjà été étudiés, des composés que personne n’a jamais étudiés et même des composés qui ne figuraient pas parmi les 18 000 d’origine”, a déclaré Chan. “Nous sommes donc très excités à ce sujet.”

La prochaine étape consistera à tester les prédictions à l’aide d’expériences. Le scénario idéal serait d’utiliser un laboratoire de découverte autonome tel que polybot au Center for Nanoscale Materials (CNM) d’Argonne, une installation utilisateur du DOE Office of Science. Polybot associe la puissance de la robotique à l’IA pour favoriser la découverte scientifique avec peu ou pas d’intervention humaine.

En utilisant l’expérimentation autonome pour synthétiser, caractériser et tester les meilleurs de leurs quelques centaines de meilleurs candidats, Chan et son équipe prévoient qu’ils peuvent également améliorer la méthode actuelle d’apprentissage automatique.

“Nous sommes vraiment dans une nouvelle ère d’application de l’IA et du calcul haute performance à la découverte des matériaux”, a déclaré Chan. “En plus des cellules solaires, notre méthodologie de conception peut s’appliquer aux LED et aux capteurs infrarouges.”

Cette recherche est rapportée dans un article de Sciences de l’énergie et de l’environnementintitulé “Conception basée sur les données d’un nouvel alliage d’halogénure de pérovskite.

Le soutien à la recherche est venu du Bureau des sciences du DOE. Les chercheurs ont utilisé les ressources informatiques du Centre national de calcul scientifique pour la recherche énergétique, une installation utilisateur du Bureau des sciences du DOE, et Bebop, exploité par le Centre de ressources informatiques du Laboratoire Argonne.

À propos du Centre des matériaux nanométriques d’Argonne : Le Centre pour les matériaux à l’échelle nanométrique est l’un des cinq centres de recherche scientifique du DOE à l’échelle nanométrique, la première installation nationale d’utilisateurs pour la recherche interdisciplinaire à l’échelle nanométrique soutenue par le Bureau des sciences du DOE. Ensemble, les NSRC comprennent une suite d’installations complémentaires qui offrent aux chercheurs des capacités de pointe pour fabriquer, traiter, caractériser et modéliser des matériaux à l’échelle nanométrique et constituent le plus grand investissement d’infrastructure dans l’Initiative nationale sur les nanotechnologies. Les NSRC sont situés dans les laboratoires nationaux d’Argonne, de Brookhaven, de Lawrence Berkeley, d’Oak Ridge, de Sandia et de Los Alamos du DOE. Pour plus d’informations sur les NSRC du DOE, visitez https://​sci​ence​.osti​.gov/​U​s​e​r​-​Fa​c​i​l​i​t​i​e​s​/​U​s.

Laboratoire National d’Argonne cherche des solutions aux problèmes nationaux urgents en science et technologie. Premier laboratoire national du pays, l’Argonne mène des recherches scientifiques fondamentales et appliquées de pointe dans la quasi-totalité des disciplines scientifiques. Les chercheurs d’Argonne travaillent en étroite collaboration avec des chercheurs de centaines d’entreprises, d’universités et d’agences fédérales, étatiques et locales pour les aider à résoudre leurs problèmes spécifiques, faire progresser le leadership scientifique américain et préparer la nation à un avenir meilleur. Avec des employés de plus de 60 pays, Argonne est dirigée par UChicago Argonne, SARL pour le Bureau des sciences du département américain de l’énergie.

Bureau des sciences du département américain de l’énergie est le plus grand partisan de la recherche fondamentale en sciences physiques aux États-Unis et s’efforce de relever certains des défis les plus urgents de notre époque. Pour plus d’informations, visitez https://​énergie​.gov/​s​science.

Gracieuseté de Laboratoire National d’Argonne. De Joseph E. Harmon

Vous appréciez l’originalité et la couverture de l’actualité des technologies propres de CleanTechnica ? Envisagez de devenir un membre, un supporteur, un technicien ou un ambassadeur de CleanTechnica – ou un mécène dans Patréon.


Vous ne voulez pas manquer une histoire de technologies propres ? s’inscrire pour Mises à jour quotidiennes de CleanTechnica sur e-mail. Ou suivez-nous sur Google Actualités!


Vous avez un conseil pour CleanTechnica, souhaitez faire de la publicité ou suggérer un invité pour notre podcast CleanTech Talk ? Contactez-nous ici.


Publicité


!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];
s.parentNode.insertBefore(t,s)}(window, document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘1020645035249848’);
fbq(‘track’, ‘PageView’);

!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];
s.parentNode.insertBefore(t,s)}(window,document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘438121713776676’);
fbq(‘track’, ‘PageView’);

Leave a Comment

Your email address will not be published.