Inteligencia artificial para mejorar células solares orgánicas

El aprendizaje automático es una técnica de inteligencia artificial para permitir al ordenador aprender cosas cuando se le expone a datos nuevos, sin necesidad de ser reprogramado. Le permite incluso hacer predicciones con muchas probabilidades de acierto sobre situaciones complejas, siempre que los algoritmos empleados por el sistema dispongan de suficientes datos de ejemplo.

La técnica resulta de especial utilidad para problemas complicados en la ciencia de los materiales, como el diseño de sustancias químicas para células solares orgánicas, que pueden depender de una gran variedad de factores y estructuras moleculares desconocidas. Por las vías tradicionales, se suele tardar años en analizar los datos disponibles sobre un detalle determinado hasta dar con la información clave. Por ello, los avances en la mejora de la eficiencia de las células solares para que sean competitivas en el ámbito de las energías renovables han sido lentos.

El equipo de Kakaraparthi Kranthiraja, de la Universidad de Osaka en Japón, ha empleado el aprendizaje automático para diseñar y probar virtualmente moléculas para células solares orgánicas. El éxito de la iniciativa demuestra que esta estrategia puede conducir a materiales de mayor eficiencia para aplicaciones de energía solar.

Concretamente, los investigadores emplearon el aprendizaje automático para diseñar nuevos polímeros aptos para su uso en células solares de esa clase.

Tras examinar virtualmente más de 200.000 materiales candidatos, sintetizaron uno de los más prometedores y descubrieron que sus propiedades coincidían con las predicciones del sistema de inteligencia artificial.

Esta estrategia de investigación y desarrollo podría llevar a una revolución en la forma de descubrir materiales funcionales.

El estudio, titulado «Experiment-oriented machine learning of polymer:non-fullerene organic solar cells», se ha publicado en la revista académica Advanced Functional Materials. (Fuente: NCYT de Amazings)