Os cientistas estão usando o aprendizado de máquina para acelerar o desenvolvimento de materiais que podem aproveitar a energia da luz solar.

Aproveitar a luz solar é uma promessa como meio de gerar energia renovável de forma limpa para tecnologias de próxima geração, de células de combustível solar a sistemas de tratamento de água. Essas tecnologias exigem uma compreensão do que acontece quando materiais e moléculas absorvem a luz solar.

Simulações de computador podem nos ajudar a entender melhor as interações luz-matéria. Contudo, materiais de modelagem com vários tipos de estruturas, como interfaces sólido / água, é uma tarefa complexa. Mas agora, uma equipe de pesquisa do Laboratório Nacional de Argonne do Departamento de Energia dos EUA (DOE) encontrou uma maneira de simplificar essas tarefas de modelagem.

Usando uma abordagem orientada a dados com base no aprendizado de máquina, a equipe conseguiu simplificar a solução das equações da mecânica quântica que descrevem como a luz é absorvida por um sólido, líquido ou molécula. Os resultados da pesquisa foram publicados recentemente em Ciências Químicas.

"Certamente não é intuitivo no início, mas descobriu-se que as técnicas de aprendizado de máquina podem ser usadas para finalidades muito diferentes do que reconhecer imagens ou prever as necessidades do consumidor, "disse Marco Govoni, co-autor do estudo e cientista assistente na divisão de Ciência de Materiais de Argonne.

O truque? Reconhecendo que nem todos os termos das equações da mecânica quântica precisam ser calculados da mesma maneira. Na verdade, alguns termos podem ser calculados - ou aprendidos - a partir de quantidades mais simples, acelerando notavelmente a simulação geral.

"Uma realização importante de nosso trabalho foi entender que poderíamos reutilizar as informações obtidas para um determinado sólido ou líquido sem repetir cálculos para sistemas semelhantes. Em essência, criamos uma espécie de protocolo de reciclagem para reduzir a complexidade dos cálculos necessários para simular a absorção de luz por materiais e moléculas, "disse Sijia Dong, que era pós-doutorado em Argonne quando a pesquisa foi conduzida e agora é professor assistente na Northeastern University.

Esses protocolos podem levar a uma grande economia quando se trata de simulações que podem levar muitas horas ou mesmo dias em arquiteturas de computação de alto desempenho.

Na verdade, a técnica que a equipe desenvolveu permitiu que simulações de espectros de absorção de sistemas complexos rodassem entre 10 e 200 vezes mais rápido. Esses sistemas incluem interfaces sólido / líquido, como as encontradas entre a água e um fotoeletrodo (um material que pode transformar a luz do sol em eletricidade).

"Nosso estudo também deu uma visão sobre como melhorar e modificar a teoria subjacente usada nas simulações, "disse Giulia Galli, cientista sênior na divisão de Ciência de Materiais da Argonne e vice-diretor de estratégia no Centro de Materiais Avançados para Sistemas de Energia-Água (AMEWS) da Argonne. Galli também é Professor de Engenharia Molecular da Família Liew, professor de química na Universidade de Chicago e diretor do Centro Integrado de Materiais Computacionais do Meio-Oeste (MICCoM) com sede em Argonne.

"O impacto de nosso exercício de aprendizado de máquina foi além do esperado; a abordagem baseada em dados que adotamos nos indicou novas maneiras de estudar a interação de matéria leve em sistemas ainda mais realistas e mais complexos do que aquele que começamos estudando , "Galli acrescentou.

A equipe agora está procurando aplicar esses atalhos e protocolos de reciclagem a problemas de estrutura eletrônica não apenas relacionados à absorção de luz, mas também para manipulação de luz para aplicações de detecção quântica.