GRATIS levering in Nederland!
10.000+ tevreden klanten
100% Tevredenheidsgarantie
Snelle klantenservice
Veilig betalen

Geef uw opbrengst een boost!

Kan kunstmatige intelligentie goedkopere zonne-energie ontgrendelen?


We weten allemaal dat kunstmatige intelligentie de hoeksteen is van de verre werelden van sci-fi, maar het wordt steeds gebruikelijker in het dagelijks leven dan we weten. Opgewonden is de wereld van zonne-energie geen uitzondering, met nieuwe innovaties in de ruimte die een enorm potentieel verwelkomen om de klimaatcrisis te bestrijden.

In Australië hebben onderzoekers een nieuw AI-platform ontdekt dat mogelijkheden zou kunnen bieden om de creatie van meer betaalbare, krachtige next-gen zonnecellen te versnellen. Daarnaast kan technologie als deze ook nuttig zijn voor het ontdekken van hoognodige materialen die nog niet bestaan.

Melbourne is gastheer voor baanbrekende AI-zonnetechnologie

In het centrum van Melbourne heeft een team van onderzoekers van het ARC Centre of Excellence binnen de Exciton Science-hub succes gevonden bij het bewijzen dat een nieuw type AI-leertechnologie kan helpen om de efficiëntie van energieconversie in de materialen op de kaarten te voorspellen. ontdekt zijn. Men denkt dat deze materialen vervolgens zouden worden gebruikt om nieuwe zonnecellen te ontwikkelen.

Het model is ontwikkeld aan de RMIT University, samen met de Monash University, en stelt wetenschappers in staat om op virtuele wijze potentiële materialen te bouwen en te onderzoeken. Het hebben van deze gegevens geeft de industrie iets om naar uit te kijken met de ontwikkeling van deze next-level zonnecellen, die hopelijk in de nabije toekomst is.

Waarom is A.I zo belangrijk voor zonne-energie?

Dit is geen nieuw concept. Historisch gezien werden AI-platforms gebruikt om levensvatbare materialen en bronnen te modelleren, maar dit specifieke platform is veel efficiënter en sneller.

Onderzoek, gepubliceerd in Computational Materials, suggereert dat modellering de sleutel is tot meer voordelige componenten voor deze snelgroeiende sector.

"Ons doel is om aan te tonen dat eenvoudige, interpreteerbare moleculaire descriptoren en machine learning-methoden belangrijke organische fotovoltaïsche eigenschappen kunnen modelleren en voorspellen", aldus het stuk.

“Hoewel het duidelijk ideaal is om experimenteel gemeten eigenschappen direct te modelleren, zijn er veel variabelen die de organische fotovoltaïsche prestatiestatistieken kunnen beïnvloeden, bijvoorbeeld het ontwerp van het apparaat; verwerkingsvoorwaarden; doteermiddelen, kleurstoffen, oplosmiddelen en andere additieven; en anderen. De gemeten organische fotovoltaïsche eigenschappen kunnen dus variëren van experiment tot experiment en tussen laboratoria."



Het probleem met eerdere algoritmen voor AI-platforms waren de exorbitante kosten en het complexe proces, vooral wanneer berekeningen vereist zijn met een kwantumstandaard. Maar het team van onderzoekers van ARC Center heeft een nieuw model gebouwd dat in staat is om de hoeveelheid 'virtuele' middelen die nodig zijn voor deze berekeningen sterk te verminderen. Hierdoor is de technologie in staat diepgaand inzicht te geven in het gedrag van bepaalde materialen.

Deze technologie en modellering zijn ontwikkeld door middel van een samenwerking met verschillende andere on-shore instellingen, waaronder Monash University, La Trobe University en CSIRO's Data 61. Het omvat ook internationale instanties zoals de UK University of Nottingham.






Laat uw zonnepanelen reinigen!

Testimonials HTML