As células solares fotovoltaicas são uma alternativa promissora aos combustíveis fósseis, mas eles precisam ser muito mais eficientes antes que possam ser amplamente utilizados. Os cientistas levaram a atual potência de supercomputação ao limite em busca de maior eficiência, mas a chegada da computação exascale nos próximos anos permitirá que eles levem essa busca para o próximo nível.

Para este fim, pesquisadores do Berkeley Lab's Computational Research Division (CRD) e do National Energy Research Scientific Computing Center (NERSC) estão colaborando com Carnegie Mellon e uma série de outras instituições acadêmicas para se preparar para usar o primeiro computador exascale do país no próximo ano para continuar a busca por novos , materiais de células solares fotovoltaicas mais eficientes. O projeto combinará simulação analítica com aprendizado de máquina e mineração de dados para descobrir novos materiais.

A colaboração está usando software desenvolvido por cientistas do Berkeley Lab para prever propriedades de excitação em materiais de células solares fotovoltaicas potenciais. O software, BerkeleyGW, é um pacote de simulação de ciência de materiais que pode prever as propriedades de estado excitado de materiais, que é como um material responde a um estimulante, como um fóton que entra nele. BerkeleyGW é considerado uma das simulações de mecânica quântica mais precisas para aquisição de dados.

"Embora a abordagem computacional GW implementada em BerkeleyGW seja altamente precisa, muitas vezes era considerado caro em termos de tempo de computador necessário para executar o código, "diz Jack Deslippe, líder do grupo NERSC e desenvolvedor principal do código BerkeleyGW. "Para esta colaboração, nossa equipe otimizou o BerkeleyGW para que não seja apenas uma ferramenta preditiva precisa, mas também se adapte ao desempenho máximo em arquiteturas modernas, que permite aos pesquisadores analisar até vários milhares de átomos - algo que antes era impossível. "

As células solares convertem fótons do sol em eletricidade, absorvendo fótons e gerando uma corrente de elétrons. Normalmente, um fóton é convertido em um elétron. A colaboração da Carnegie Mellon está procurando materiais que possam sofrer fissão singlete, um processo pelo qual um fóton de exciton singleto gerado por foto é convertido em dois excitons tripletos, aumentando a corrente sendo liberada. O objetivo da pesquisa é encontrar os materiais raros que podem sofrer fissão única para melhorar a eficiência da célula solar.

Tentar encontrar esses tipos de materiais experimentalmente é uma tarefa impossível - os pesquisadores comparam isso a encontrar uma agulha em um palheiro. "Mas podemos simular essas propriedades do material, usar computação para realizar a triagem das possibilidades e escolher o que achamos que são os melhores candidatos, em seguida, envie-os para o laboratório para teste, "diz Mauro Del Ben, um cientista de pesquisa CRD que tem trabalhado no código BerkeleyGW. "Como estamos procurando estados de entusiasmo nesses materiais, precisamos de um nível de precisão que vai além do que está disponível atualmente, e é aí que entra o BerkeleyGW. "

O custo computacional ainda é alto, mas melhorar o desempenho do código pode ajudar a diminuir a carga. Ao otimizar a paralelização e explorar aceleradores como GPUs, O BerkeleyGW pode resolver em apenas alguns cálculos de nós que anteriormente exigiam milhares de nós. A pesquisa está sendo feita no supercomputador Theta no Laboratório Nacional de Argonne, Cori no NERSC, e Summit no Oak Ridge National Laboratory, atualmente, o supercomputador mais poderoso do mundo.

O primeiro supercomputador exascale está programado para chegar ao Laboratório Nacional de Argonne em 2021. A equipe da Carnegie Mellon tem como objetivo otimizar os fluxos de trabalho para que sua pesquisa esteja pronta para funcionar no novo sistema exascale.

Se o projeto for bem sucedido, pode ser usado como modelo para qualquer tipo de aprendizado de máquina, descoberta baseada em dados de novos materiais em diferentes campos, definindo um padrão para o que pode ser usado no futuro para mais aplicativos, diz Del Ben.