Własne tłumaczenie artykułu z:
//phys.org/news/2013-01-evolution-efficient-solar-cell-geometric.html
Algorytmy genetyczne projektują bardziej wydajne ogniwa słoneczne: wzór geometryczny zwiększa ilość światła łapanego przez ogniwo
Energia słoneczna jest praktycznie nieograniczona, ale jej pobieranie przez współczesne ogniwa słoneczne oparte o pojedyncze kryształy krzemu jest wyjątkowo drogie - według pewnych oszacowań około dziesięć razy droższe niż węgiel [od tłumacza: dotyczy to Ameryki, gdzie węgiel ze względu na wydobycie jest bardzo tani]. Biologiczne ogniwa słoneczne, oparte o substancje organiczne, mogą być strzałem w dziesiątkę, ale obecne konkretne rozwiązania nie są dość wydajne gdyż polimery mają nieoptymalne właściwości elektryczne.
Badacze z Northwestern University opracowali nowy projekt dla organicznych ogniw słonecznych, które mogą nam zapewnić wydajniejszą, tańszą energię elektryczną. Zamiast próbować zwiększać wydajność przez zmiany grubości warstwy polimerów (metoda, która dawała już różne rezultaty zależnie od materiału), spróbowali zmienić układ warstwy rozpraszającej, by zmaksymalizować ilość światła zatrzymywaną przez ogniwo.
Używając
algorytmu genetycznego, naukowcy opracowali specyficzny wzór, optymalny dla łapania i wykorzystywania światła w cienkich organicznych ogniwach słonecznych.
Stworzony w ten sposób wzór okazał się trzykrotnie przekraczać limit Yablonovitcha, termodynamiczną granicę wyznaczoną w latach 80., opisującą jak długo foton może być uwięziony w półprzewodniku.
Publikacja naukowa na ten temat, "Highly Efficient Light-Trapping Structure Design Inspired by Natural Evolution", została opublikowana 3 stycznia w
Scientific Reports, publikacji
Nature.
W nowo zaprojektowanych organicznych ogniwach, światło najpierw napotyka grubą na 100 nanometrów dielektryczną [od tłumacza: dielektryk to po polsku izolator, ale może chodzić o jakąś specyficzną ich klasę, podejrzewam że może chodzić o zjawisko Kerra] warstwę rozpraszającą, zaprojektowaną w nowy sposób. Światło przechodzi przez tę warstwę i dociera do warstwy aktywnej, gdzie jest zamieniane w prąd elektryczny.
"Chcieliśmy wyznaczyć geometrię warstwy rozpraszającej, która dałaby nam maksymalną wydajność", mówi Cheng Sun,
assistent proffesor [od tłumacza: jest to stanowisko uniwersyteckie, najlepszym odpowiednikiem w języku polskim jest
adiunkt] inżynierii mechanicznej w
Northwestern's McCormick School of Engineering and Applied Science i współautor publikacji naukowej. "Ale istnieje tak wiele możliwości, że nawet nie wiadomo skąd zacząć, więc postanowiliśmy wykorzystać dobór naturalny do tego celu".
Badacze zaprojektowali algorytm genetyczny, metodę szukania optymalnego rozwiązania naśladujący procesy naturalnej ewolucji, wyjasnia Wei Chen, profesor inżynierii mechanicznej w Northwestern University i jeden z pomysłodawców badania.
"W związku z nieliniowym i nieregularnym zachowaniem systemu, trzeba użyć inteligentnej metody wyszukiwania optymalnego rozwiązania", mówi Chen. "Nasze próby są bazowane na ewolucyjnym procesie przetrwania najlepiej dostosowanego".
Naukowcy rozpoczęli badanie z pewną ilością losowych elementów, które następnie "krzyżowali" i sprawdzali potomstwo pod względem zdolności zatrzymywania światła. Ten proces zajął ponad 20 pokoleń i co ciekawe, uwzględniał także zjawiska mutacji i proces
crossing-over.
Uzyskany wzór zostanie zastosowany w ogniwach produkowanych przez
Argonne National Laboratory.
Artykuł można znaleźć tutaj.
Komentarze (58)
najlepsze
Aby znaleźć model uznajemy, każdą instancję osobnika za model gdzie każdy gen to równanie. Które może mutować przez zmianę rzędu lub współczynników.
Albo się krzyżować
Co do algorytmu genetycznego - można go użyć tak naprawdę wszędzie - zwłaszcza jak nie wiadomo jak rozwiązać problem;)
Historia prawdziwa: na jednej z konferencji ktoś użył stwierdzenia (na slajdzie) "rozwiązanie optymlane" w kontekście algorytmu genetycznego - szybko się musiał z tego wycofać.
@Gindend Chciałem tylko nadmienić, że bez procesu crossing-over nie byłby to algorytm genetyczny z definicji. Bez zjawiska mutacji natomiast byłby on prawdopodobnie nieefektywny (posiadałby zbyt małą skuteczność maksymalizacji funkcji). Także stwierdzenie "co ciekawe" w tym przypadku jest wg mnie nie na miejscu.
Gdyby wyrzucić mutację z alg. genetycznego to jego wynik byłby (zbyt) silnie zależny od początkowej populacji. I tak jest mocno od niej zależny, ale tak jak słusznie napisał @etimeel, mutacja daje nam szansę na wyskoczenie z minimum lokalnego.
@nargil: