Aktyvesnio mokymosi link geresnių saulės elementų

Iki šiol tirta cheminės erdvės vizualizacija. Kreditas: © Kunkel / FHI

Kaip galėčiau pasiruošti tam, ko dar nepažįstu? Berlyno Fritzo Haberio instituto ir Miuncheno technikos universiteto mokslininkai šį beveik filosofinį klausimą nagrinėjo mašininio mokymosi kontekste. Mokymasis yra tik ankstesnės patirties panaudojimas. Norint išspręsti naują situaciją, tenka susidurti su maždaug panašiomis situacijomis. Mašininio mokymosi metu tai reiškia, kad mokymosi algoritmas turi turėti maždaug panašius duomenis. Bet ką mes galime padaryti, jei turite beveik begalines galimybes, jei neįmanoma sukurti duomenų, apimančių visas situacijas?

Ši problema daug iškyla, kai sprendžiamas begalinis kandidatų molekulių skaičius. Organiniai puslaidininkiai įgalina svarbias ateities technologijas, tokias kaip nešiojami arba apvalūs saulės elementų ekranai. Šioms reikmėms reikia rasti geresnes organines molekules, kurios sudaro šias medžiagas. Tokio pobūdžio užduotyse vis dažniau naudojami mašininio mokymosi metodai, o jie mokomi kompiuterinio modeliavimo ar eksperimentinių duomenų. Tačiau manoma, kad potencialių mažų organinių molekulių skaičius yra 1033. Turint tiek daug galimybių, beveik neįmanoma surinkti pakankamai duomenų, kad atspindėtų tokią didelę materialinę įvairovę. Be to, daugelis šių molekulių taip pat netinka organiniams puslaidininkiams. Žolelių rinkinyje jis daugiausia ieško patarlės adatos.

Kūrinyje, kurį jie ką tik paskelbė Gamtos komunikacijos Profesoriaus Karsteno Reuterio, Fritz-Haberio instituto teorijos departamento direktoriaus, komanda išsprendė šią problemą naudodama vadinamąjį aktyvųjį mokymąsi.

Užuot mokęsis iš esamų duomenų, automatinis mokymosi algoritmas automatiškai nusprendžia, kokių duomenų jam reikia apie problemą. Mokslininkai pirmiausia atlieka mažesnių molekulių modeliavimą ir gauna duomenis, susijusius su molekulių elektriniu laidumu, kad pamatuotų jų naudingumą tiriant galimas saulės elementų medžiagas. Remdamasis šiais duomenimis, algoritmas nusprendžia, ar nedideli šių molekulių pokyčiai jau gali lemti naudingas savybes, ar tai tikrai dėl panašių duomenų trūkumo. Abiem atvejais tam automatiškai reikalingos naujos simuliacijos, ji tobulėja per gautus naujus duomenis, atsižvelgia į naujas molekules ir pakartoja šią procedūrą.

Savo darbe mokslininkai parodo, kaip galima efektyviai identifikuoti naujas ir perspektyvias molekules, tuo tarpu algoritmas ir toliau tyrinėja didžiulę molekulinę erdvę, net ir dabar. Kiekvieną savaitę siūlomos naujos molekulės, jos gali sukurti naujos kartos saulės elementus, o algoritmas vis gerėja.

Nuoroda: Christianas Kunkelis, Johannesas T. Margrafas, Ke Chenas, Haraldas Oberhoferis ir Karstenas Reuteris, „2021 m. Balandžio 23 d.,„ Aktyvus organinių puslaidininkių atradimas “. Gamtos komunikacijos.
DOI: 10.1038 / s41467-021-22611-4

Related articles

Comments

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Share article

Latest articles

Didžiausia aplinkos šalinimo kaukė – ir kaip ją sumažinti

Naujas tyrimas nustatė naudojamo N95 išeikvojimą ir pasiūlė tinkamus būdus jį sumažinti. Nuo praėjusiais metais prasidėjusios „Covid-19“ epidemijos, užrištos akys tapo dar viena sveikatos apsaugos...

Neuromediatorių lygis smegenyse nuspėja matematinius sugebėjimus

Skenavimas buvo baigtas 1 ir 2 metu (maždaug po 1,5 metų) kiekvienoje iš penkių amžiaus grupių (6-erių, 10-mečių, 14-mečių, 16-mečių ir 18 metų) -metukai)....

Genetikai atskleidžia mutacijas, sukeliančias sunkų vaikystės vėžį – vartokite vaistus, kad pašalintumėte jų šalutinį poveikį

Trejybės koledžo genetikai atrado specifinio geno, vadinamo H3K27M, mutaciją, sukeliančią neišgydomą vaikystės vėžį, vadinamą diffi midi glioma (DMG). Augimas taikant tikslinius vaistus. Jų istoriniai...

Neigiamų jonų sulaikymas tarpžvaigždinėje erdvėje

Kaip tarpžvaigždinėje aplinkoje kuriamos neigiamai įkrautos molekulės? Tarpžvaigždiniai debesys yra naujų žvaigždžių gimtinė. Tačiau jie taip pat vaidina pagrindinį vaidmenį formuojant gyvenimą visatoje per...

Naujas algoritmas skrenda greičiau nei bepiločiai orlaiviai nei pasaulinės klasės žmonių rasės pilotai

Dronas, skrendantis per Dūmus, kad įsivaizduotų kompleksinius aerodinaminius efektus. Paskola Robotikos խումբ suvokimo grupė, Juricho universitetas Norėdami būti naudingi, bepiločiai orlaiviai turi būti...

Newsletter

Subscribe to stay updated.