Pannelli solari più efficienti grazie all'intelligenza artificiale. È l'intuizione di un gruppo di ricercatori australiani della RMIT University, guidati dal dottor Nastaran Meftahi e dal Professor Salvy Russo, che assieme ai colleghi della Monash University hanno creato un innovativo programma di machine learning per incrementare la resa del fotovoltaico.
Google aveva dato il “La” all'interazione tra l'Artificial Intelligence e il mondo delle rinnovabili, portando le tecnologie di A.I. sui campi eolici per migliorare i dati previsionali.
Gli studiosi australiani hanno invece messo a punto un modello in grado di prevedere l’efficienza di conversione dei raggi solari in elettricità dei materiali impiegati nelle celle.
La ricerca nasce dalla necessità di trovare per il segmento organico nuovi semiconduttori e tecnologie più economiche, flessibili e facili da produrre. Una delle sfide principali per il fotovoltaico organico è selezionare l’ingente volume di composti chimici, potenzialmente adatti, da realizzare su misura. Con il machine learning, si può invece predire l’efficienza dei pannelli solari con materiali “virtuali”, cioè non ancora esistenti.
Il nuovo approccio è rapido, facile da usare e il codice è disponibile gratuitamente per tutti gli scienziati e gli ingegneri. I parametri complicati e computazionalmente costosi, che richiedono calcoli di meccanica quantistica, vengono oggi “sostituiti” con descrittori molecolari: nei fatti, una rappresentazione matematica dell’informazione chimica che consente di mettere a confronto molecole diverse. Così operando, il team ha potuto ottenere dati importanti sui frammenti chimici più significativi nei materiali che condizionano l’efficienza di conversione del fotovoltaico.
Un'intuizione che, applicata a celle e pannelli solari, promette di rendere più veloce il processo di progettazione e più efficienti i dispositivi, in un periodo in cui la domanda di energia rinnovabile è sempre più in crescita.