211service.com
Pirmyn
Tonio Buonassisi fotoelektros laboratorija spartina naujų saulės elementų medžiagų kūrimą naudodama mašininį mokymąsi, robotus ir gerą senamadišką komandinį darbą.
2021 m. balandžio 27 d
Šis robotas chemikas, su kuriuo Singapūre dirba profesorius Tonio Buonassisi, naudoja mašininį mokymąsi, kad sumaišytų chemines medžiagas į mėginius. Zakaria Zainal
Jei norime pakankamai sumažinti iškastinio kuro naudojimą, kad pasaulis katastrofiškai neatšiltų, turime išgauti daug daugiau energijos iš saulės. Kai kurios ekspertų grupės, įskaitant Tarpvyriausybinę klimato kaitos komisiją, padarė išvadą, kad iki 2030 m. maždaug trečdalį pasaulio elektros energijos turėsime gauti iš saulės energijos šaltinių.
Šiuo metu, kai iki pabaigos liko mažiau nei dešimtmetis, esame maždaug dešimtadalyje, sako Tonio Buonassisi , mechanikos inžinerijos profesorius ir instituto vadovas Fotoelektros laboratorija . Kad pasiektume tikslą, turėsime labai paspartinti jų diegimą saulės energija .
Buonassisi roboto chemiko didelio našumo pipetavimo įrenginys sujungia raudonus, mėlynus ir geltonus maisto dažus, kad sukurtų specifines spalvas.
ZAKARIA ZAINALTurint tai omenyje, PV laboratorija per pastaruosius kelerius metus buvo nuolat pertvarkoma, nes Buonassisi ir jo kolegos atneša viską, ką tik sugalvoja, kas galėtų paspartinti naujų saulės energijos medžiagų paiešką. Jie išbandė viską nuo chronometrų ir asmenybės testų iki mašininio mokymosi algoritmų ir pipetavimo robotų.
Rezultatas – laboratorijos tempas, kuris yra daug didesnis. Jie sutrumpino procesus, kurie kažkada trukdavo šešis mėnesius ar metus, į dvi savaites; Rentgeno spindulių difrakcijos spektrų analizę, kuriai anksčiau prireikė dviejų ar trijų valandų, dabar galima atlikti per 5,5 minutės. Šiuo metu viskas priklauso nuo greičio, sako Buonassisi.
Už silicio
PV laboratorija pradėjo dirbti su mašininio mokymosi algoritmais 2012 m. Nemanėme, kad jie yra visiškai naujas mokslo atlikimo būdas, sako Buonassisi. Mes tiesiog galvojome apie juos kaip apie produktyvumo įrankį. Tačiau 2017 m. jis suprato, kad pagrindinis laboratorijos klausimas buvo pernelyg sudėtingas, kad būtų galima atsakyti tradicinėmis priemonėmis. Man reikėjo pakeisti tyrimo metodą, kad galėčiau tai išspręsti, sako jis.
Šis klausimas buvo, kaip rasti perspektyvių silicio alternatyvų, skirtų saulės energijai užfiksuoti. Šiuo metu 95% pasaulio saulės elementų pasikliauti silicio puslaidininkiais . Šio elemento gausu – randama beveik visuose purvuose ir smėlyje – ir su juo pagaminti saulės elementai yra gana veiksmingi ir tvirti. Jūsų vidutinė silicio saulės baterija gali paversti maždaug 20 % į ją patenkančios saulės šviesos energijos ir ji gali veikti diena iš dienos dešimtmečius nesugesdama.
Kai įstrigo mažo pralaidumo režimas, esate linkęs žaisti saugiai. Jei žinote, kad turite daugiau galimybių, galite būti ambicingesni.
Tačiau paversti silicį į plonas, grynas plokšteles, reikalingas šioms ląstelėms, yra brangu, gana sunku ir daug energijos reikalaujanti. Taip pat dažnai reikia retesnių medžiagų, pavyzdžiui, sidabro. Ekspertai, įskaitant Buonassisi, stengiasi tobulinti šiuos procesus. Tačiau jei norime, kad saulės energija taptų pagrindine tinklo dalimi, kai kurių lengviau pagaminamų medžiagų įtraukimas padidins galimybes – ir, pasak Buonassisi, tai gali paspartinti konkurenciją, paskatinti inovacijas ir mažinti kainas.
Viena perspektyvi medžiagų klasė yra perovskitai, natūralūs ir laboratorijoje pagaminti junginiai, turintys kristalinę struktūrą, dėl kurios jie yra geri puslaidininkiai. Perovskitai yra paprastesni ir greičiau gaminami nei silicio plokštelės. Kadangi tai yra junginiai, o ne elementai, gali būti, kad jų dar reikia sukurti labai daug, sako PV Lab narys Jimas Serdy. Skirtingi perovskitai taip pat gali būti sukrauti viename saulės elemente, kad sugertų skirtingus šviesos bangos ilgius ir išspaustų daugiau energijos iš kiekvieno saulės spindulio.
Jei perovskitams pavyks patekti į saulės energijos rinką, tai gali būti lemiamas kelias tvariai patenkinti pasaulio energijos poreikius, sako Serdy. Tačiau ar tai įmanoma, labai priklauso nuo to, kaip greitai galime atrasti šiuos naujus junginius ir jų savybes.
Nenustatyta teritorija
Didelis perovskitų skaičius yra jaudinantis – gali būti tūkstančiai, kurie puikiai tinka įvairioms programoms. Tačiau dėl to taip pat yra bauginanti užduotis ieškoti tobulos medžiagos – tokios, kuri atlieka norimą užduotį su tinkamu stabilumo, efektyvumo ir ekonomiškumo deriniu ir kurią taip pat galima lengvai ir dideliu mastu pagaminti.
Anksčiau mokslininkai, bandantys atrasti ar išrasti naują medžiagą, pradėdavo nuo kai kurių pagrįstų spėjimų. Jie laboratorijoje sukurdavo kelias medžiagas, išbandydavo jas, o tada naudodavo tai, ką išmoko, bandydami dar kartą. Vieno gero varianto paieška gali užtrukti metus ar daugiau. Kalbant statistiškai, tai tarsi beždžionės prie rašomosios mašinėlės – daužosi tol, kol atsitiktinai parašo ką nors naudingo, sako Buonassisi.
PV laboratorijos mokslininkai vis dar laikosi šios pagrindinės procedūros. (Jis sako, kad mokslinis metodas neišeina iš mados.) Jie tiesiog jį suaktyvino. Algoritmai, parengti remiantis teorinėmis žiniomis ir ankstesniais rezultatais, padeda jiems protingiau spėti. Didelio našumo eksperimentai ir automatizuota analizė leidžia greičiau patikrinti tuos spėjimus ir atlikti daugybę testų lygiagrečiai. Su visais šiais pasiekimais galime paspartinti visą procesą, sako mokslininkas Shijing Sun, laboratorijos pagreitintų medžiagų plėtros programos komandos vadovas.
Didelio efektyvumo tyrimai ne tik pagreitina atradimų tempą, bet ir daro žmones drąsesnius, sako Buonassisi. Kai esate įstrigę mažo pralaidumo režime, esate linkę žaisti saugiai, sako jis. Tačiau jei žinote, kad turite daugiau galimybių, galite būti daug ambicingesni.
Pavyzdžiui, 2018 m. rudenį Sun komanda pradėjo ieškoti stabilesnių perovskitų. (Nors kai kurie perovskitiniai saulės elementai dabar yra tokie pat veiksmingi kaip silicio, jie yra labiau linkę irti.) Jie pradėjo nustatydami, ką jie vadina savo paieškos erdve, šiuo atveju 5000 skirtingų medžiagų, kurias reikia įvertinti, grupę – visus derinius. cezio, metilamonio, formamidinio ir švino jodido, sumaišytų skirtingomis proporcijomis ir sintetinami įvairiais būdais.
Mokslininkas Shijing Sun ir Buonassisi PV laboratorijoje 2019 m.
DŽONAS FREIDASPirmajam eksperimentinio tyrimo etapui grupė paprašė algoritmo pasirinkti 28 medžiagas, kurios suteikė platų galimybių pavyzdį, sako Sun. Susintetinusi šias medžiagas, komanda joms panaudojo didelio našumo įrankius ir metodus, kuriuos sukūrė Serdy ir vienas iš laboratorijos techninių partnerių Janak Thapa. Šie įrankiai leidžia jiems greitai patikrinti medžiagų stabilumą, veikiant jas aukštai temperatūrai, didelei drėgmei ir apšvietimui.
Mes iš esmės įdedame juos į sauną, sako Armi Tiihonen, laboratorijos doktorantas. Siekėme didelio pagreičio, kad medžiagos greitai suirtų, nes nenorėjome gaišti kelių mėnesių laiko.
Norėdami išmatuoti jų stabilumą, komanda apmokė fotoaparatus, kurie buvo nustatyti, kad fotografuotų kas penkias minutes. Skildami perovskitai keičia spalvą, dažnai blunka nuo beveik juodos iki šviesiai geltonos. Mėginiams saunoje praleidus maždaug penkias dienas, komanda išanalizavo nuotraukas, kad nustatytų kiekvienos medžiagos skilimo greitį. (Jie taip pat giliau išanalizavo kai kuriuos mėginius, naudodamiesi rentgeno spindulių difrakcija, kad patvirtintų vizualinius stebėjimus ir pamatytų, kaip medžiagų struktūra pasikeitė joms suskaidžius.)
Tada jie grąžino šiuos rezultatus pirmajam algoritmui ir paprašė jo atrinkti dar 28 medžiagas – kai kurias panašias į tas, kurios buvo sėkmingiausios eksperimentiniame etape, o kai kurias iš erdvės dalių, kurios liko neištirtos.
Net labiausiai patyrusiems medžiagų mokslininkams būtų sunku paskambinti, sako Sun. Galiu priimti sprendimą, jei turėsime 10 medžiagų, sako ji. Jei turime 5000 medžiagų, nelabai galvoju, ką daryti toliau.
Komanda kelis kartus perėjo šį ciklą – pasirinko medžiagas pagal algoritmą, kūrė ir išbandė pavyzdžius realiame pasaulyje ir teikė grįžtamąjį ryšį su algoritmu. Ketvirtojo etapo pabaigoje jie rado medžiagų grupę, kuri buvo 17 kartų stabilesnė už dažniausiai naudojamą perovskitą, taip pat tris kartus stabilesnė nei ankstesnis laboratorijos rekordininkas, kurį jie rado tradicinėmis priemonėmis. . (Jų išvados ir metodai vasario mėnesį buvo paskelbti žurnale „Matter“.)
Kiti PV Lab projektai turėjo panašią sėkmę. 2019 m. „Sun“ komanda nusprendė rasti bešvinių perovskitų. Jie nustatė dvi visiškai naujas medžiagas, taip pat keturias, kurios niekada anksčiau nebuvo pagamintos plonos plėvelės pavidalu, būtinu naudoti saulės elementuose. Anksčiau tai tikriausiai būtų užtrukę daugiau nei metus, sako Buonassisi. Taikant naujus metodus jie buvo padaryti per du mėnesius.
Kito eksperimento metu perovskito saulės elementas, pagamintas iš vienos iš šių naujų medžiagų, pasirodė stabilesnis esant atšiaurioms aplinkos sąlygoms nei geriausias, kurį jie kada nors buvo pagaminti taikant ankstesnius metodus, ir tai rodo, kad šių atskirų medžiagų patobulinimai perkeliami į saulės energijos įrenginius, yra pagaminti su jais.
Komanda sujungia modeliavimą ir eksperimentą, kad greitai nustatytų ir išbandytų perspektyvias medžiagas, sako Buonassisi. Vis labiau artėjame prie taško, kad galėtume ką nors įsivaizduoti ir tada galėsime tai įgyvendinti realiame gyvenime.
Gyvenimas greitojoje juostoje
PV laboratorijos mokslininkai imasi vis spartesnio tempo. 2020 m., po 10 metų studijų ir darbo suolinio mokslo srityje, Thapa pradėjo gilintis į mašininį mokymąsi; iki metų pabaigos jis kartu parašė savo pirmąjį straipsnį šia tema.
Laboratorijos asmenybė yra prisitaikymas, sako jis; nariai mokosi daryti tai, ko reikia grupei. Tai galioja net laboratorijos studentams. Tikslas yra, kad kiekvienas atvykęs studentas išmoktų dalyvauti projekte ir būti komandoje bei būti visapusiu, prisidedančiu STEM bendruomenės nariu, sako Sara Bonner, laboratorijos programos administratorė.
Šie tikslai gali paskatinti neįprastą praktiką. Prieš daugelį metų, norėdama išsiaiškinti, kur jie galėtų sutaupyti laiko, laboratorija pasiskolino įrankį iš XX amžiaus pradžios gamyklų aukštų: tiesiogine prasme turėjome žmonių su chronometrais, kurie stebėjo kiekvieną laboratorijos proceso žingsnį ir nustato jo laiką, sako Buonassisi. Remdamiesi šia analize, jie optimizavo savo metodus ir investavo į naują įrangą. Jie pagerino mėginio paruošimo efektyvumą 350 %, nuo 28 minučių vienam mėginiui 2015 m. iki maždaug aštuonių 2018 m.
Visai neseniai jis paprašė visų laboratorijoje esančių žmonių atlikti asmenybės testus, kad jie išmoktų remtis vienas kito stipriosiomis pusėmis ir geriau dirbti kartu. Jis šias pratybas vertina kaip investiciją. Jei skirsime laiko sukurti šį įrankių rinkinį, leidžiantį dirbti produktyviau, galime išspręsti 10 kartų daugiau problemų, sako jis.
Kai statymas didelis, didžiulis tempas iš tikrųjų gali būti palengvėjimas. Pasak Tiihonen, karjeros pradžioje darbas vyko taip lėtai, kad jos tikslai visada atrodė nepasiekiami. Tačiau dabar ji ir jos kolegos iš tikrųjų gali pasiekti tai, ko norime.
Sun patinka tai, kaip nauji metodai leidžia jai išplėsti savo kompetencijos sritį – kai anksčiau komanda galėjo sutelkti dėmesį į vieną parametrą arba vieną perovskitų klasę, dabar jie turi galimybę įsitraukti į daugiau projektų ir tikrai priartėti prie svajonių saulės elementų medžiagos, sako ji.
Komanda nuolat ieško kliūčių šiame procese ir, kiek tik gali, jas plečia. Pastaruosius kelerius metus Buonassisi daug laiko praleido Singapūre kaip Singapūro-MIT tyrimų ir technologijų aljanso dalis. Ten ir MIT jis pradeda integruoti robotus, galinčius atlikti kai kuriuos laboratorijos tyrimų vamzdyno veiksmus. Pavyzdžiui, Singapūre formulavimo robotas sumaišo skirtingas chemines medžiagas į kompozicijas, reikalingas mėginiams paimti greičiau ir tiksliau, nei tyrėjas galėtų jas kruopščiai pipetuoti. Jis gali atlikti sudėtingus fizinius žingsnius maždaug keturis–10 kartų greičiau nei žmogus, o jo tikslumas padeda pagerinti atkuriamumą. Be to, šis robotas gali būti valdomas nuotoliniu būdu, todėl laboratorijos nariai ar bendradarbiai bet kur gali sudaryti darbų eilę ir juos vykdyti, sako Buonassisi. Tuo tarpu jis ir keli bendradarbiai taip pat dirba su itin didelio našumo įrankiu, kuris padės MIT laboratorijos mokslininkams vienu metu ieškoti dar daugiau galimybių.
Nors mašinos gali būti greitesnės, žmonės paprastai yra labiau prisitaikantys. Naudojant robotus ir panašius įrankius, kai jie yra naudingi, o ne viską automatizuoti, laboratorija gali paspartinti veiklą, išsaugant žmogaus sukurtą lankstumą, kuris, pasak Buonassisi, yra ypač svarbus ankstyvosiose MTTP stadijose.
Tačiau didžiausias pagreitis, pasak jo, ateina tada, kai kiti priima šiuos metodus ir juos patobulina. Jis sako, kad PV laboratorija naudoja atvirojo kodo viską, ką daro – nuo stabilumo ieškančių algoritmų iki mašinų brėžinių, kad išstumtų šias technologijas ir sužavėtų jomis ir su jomis dirbtų daugiau žmonių. Mes neturime viso pasaulio laiko laukti.
Rasti tobulą receptą
AI pagrįstas tyrimo įrankis
žvelgia į praeitį, kad rastų geresnių būdų
medžiagų gamybos.
Dažnai norėdami veržtis į priekį, turime pažvelgti už nugaros. Elsa Olivetti, Esther ir Harold E. Edgerton karjeros plėtros profesorius MIT Medžiagų mokslo ir inžinerijos katedroje, ir jos laboratorija dirbo su algoritmų rinkiniu. — arba, kaip ji mėgsta tai vadinti, duomenų mokslo vamzdynas — kuri leidžia tyrinėtojams ieškoti netolimos praeities mokslinės literatūros, kad surastų užuominų apie tai, kaip sukurti dalykus, kurių mums reikia ateičiai.
Elsa Olivetti
MANALINGA NUOTRAUKAOlivetti grupė — kuri orientuota į tvarių ir įperkamų medžiagų projektavimo ir tobulinimo būdų paiešką — ji visada ieško naujų įrankių. Prieš kelerius metus ji kalbėjosi su Gerbrandu Cederiu, tuometiniu MIT fakulteto nariu ir medžiagų projekto kūrėju. — informacijos apie žinomas ir numatomas medžiagas duomenų bazė, kurią tyrėjai gali panaudoti ieškodami junginių, kurie turi tikslių savybių, kurių jie ieško, net jei jie niekada anksčiau nebuvo pagaminti.
Olivetti pamatė galimybę eiti toliau. Nors žinoti, ką gaminti, yra labai svarbus pirmas žingsnis, reikia žinoti, kaip pagaminti medžiagą, atsižvelgiant į poveikį aplinkai ir ekonominį poveikį, sako ji. Daugeliu atvejų, jos manymu, žmonės jau atliko medžiagos kūrimo darbus, kruopščiai užfiksavo ir paskelbė, kokie buvo žingsniai ir kaip viskas vyko. Kodėl nepanaudojus šio resurso?
Tarkime, kad gavote užduotį pagaminti šokoladinį pyragą, kuris greitai iškepa ir iš prieinamų ingredientų. Galite pradėti nuo nulio: maišyti komponentus, koreguoti santykius ir kepti pyragą po pyrago, kol pasieksite tai, kas veikia. Taip pat galite naršyti senas kulinarines knygas, žiūrėti internetinius vadovėlius ir pasikalbėti su patikimais draugais. Bet ką daryti, jei turėtumėte mašiną, kuri galėtų peržiūrėti daugybę kulinarinių knygų, vaizdo įrašų ir kepinių svetainių komentarų skilčių ir surinktą informaciją surinkti į naują receptą, atitinkantį jūsų tikslus?
Iš esmės tai daro Olivetti įrankis. Jo vartotojai gali norėti pagaminti kietojo kūno elektrolitą ličio jonų akumuliatoriui arba mažai anglies išskiriančiam
emisijos cemento keitimas. Užuot bandę patys arba su keliais kolegomis skaityti ir apibendrinti praeities darbus šioje srityje, jie gali paprašyti įrankio peržiūrėti tiek literatūros, kiek ji turi prieigą. — šiuo metu milijonai dokumentų ir patentų.
Olivetti įrankis sujungia natūralios kalbos apdorojimo algoritmus — kurie nuskaito popierius ir ištraukia atitinkamą informaciją — su neuroniniais tinklais, kurie rekomenduoja naujus receptus pagal tai, kas veikė praeityje. Jame ieškoma informacijos apie aptariamą medžiagą, taip pat apie įvairias medžiagas, kurios gali turėti susijusių savybių.
Buvo sudėtinga sukurti algoritmų rinkinį, kuris padėtų tiek daug straipsnių, kurių kiekvienas turi savo sričiai būdingą žodyną ir stilistines ypatybes, paversti naudingais receptais, sako Olivetti. Tačiau pastangos jau grąžina netikėtas įžvalgas.
2019 m. ji ir kai kurie kolegos dirbo su ceolitais – poringomis medžiagomis, kurios yra gyvybiškai svarbios taikant pramoninę katalizę ir baigiant oro valymu. Jų porų dydis ir išsidėstymas turi įtakos tam, kam gali būti naudojami ceolitai, tačiau tiksliai nebuvo žinoma, kaip kontroliuoti šį požymį sintezės metu. Naudodami savo algoritmą literatūrai suskaidyti, Olivetti ir jos kolegos sugebėjo nustatyti esminius žingsnius, kad ceolitai būtų daugiau ar mažiau porėti. — naudojant bendras praeities tyrinėtojų išvadas, kad būsimieji išgelbėtų nuo nesibaigiančių bandymų ir klaidų.
Be esamų medžiagų receptų pateikimo, toks algoritmas galėtų padėti sukurti naujus, sako Olivetti. Ji gali įsivaizduoti, kad į tokią darbo eigą kaip „Buonassisi“ būtų įtrauktas teksto gavybos veiksmas, kad dirbtinio intelekto skatinami bandymai sintezuoti medžiagas būtų istoriniai aspektai.
Taip pat gali būti įmanoma, sako Olivetti, naudoti panašias technologijas, kad būtų galima ištraukti plačias temas arba suprasti kylančias tendencijas. — šaunios, plačios galimybės, kurias tik pradedame subraižyti.