Il MIT (Massachusetts Institute of Technology) e Google Brain, gruppo di ricerca sul deep learning di Google, insieme per sviluppare nuove celle solari veloci e prestanti.
Creare infatti celle solari può essere un processo molto lungo e dispendioso, in quanto deve soddisfare alcuni requisiti di base quali: giusti materiali con spessore adeguato, design migliore, test continui. Tutto ciò per capire quali modifiche apportare per ottimizzarle. Il procedimento, nonostante i simulatori computazionali oggi automatizzino alcune di queste fasi, risulta lento e pesante.
I due gruppi di ricerca sopra citati sono riusciti a creare un sistema che valuta le nuove cellule e dà informazioni su che tipo di modifiche effettuare per avere prestazioni migliori.
Giuseppe Romano, ricercatore del MIT, spiega che attualmente i simulatori di celle solari riescono ad analizzare i dettagli di una sola configurazione, dando come output l’efficienza prevista, ossia la quantità percentuale della luce solare in entrata che potrebbe essere convertita in corrente elettrica.
Il simulatore di celle solari differenziabili, chiamato così il nuovo strumento, “Ti dice direttamente cosa succede all’efficienza se rendiamo questo strato un po’ più spesso […] Oppure se cambiamo le proprietà del materiale”. In parole semplici, esso è capace di vedere l’efficienza e mostra quanto tale output sia influenzato da uno qualsiasi dei parametri di input.
Ciò di cui si tratta non è un dispositivo totalmente nuovo, bensì uno strumento utile per scoprire in maniera più veloce nuove celle solari con prestazioni più elevate.
Romano afferma quindi che usare questo sistema significa diminuire il numero di volte in cui è necessario ricorrere a un simulatore e che questo dispositivo “è in grado di identificare un insieme univoco di parametri del materiale fotovoltaico; fattore fino a ieri inaccessibile perché molto complesso da valutare in tali simulazioni”.
In pratica, questo strumento può considerare i tipi di materiali conduttivi, i loro spessori per calcolare l’uscita di energia dalle celle o la quantità di drogaggio (l’introduzione di atomi di un altro elemento) che ogni strato deve ricevere. Grazie alla possibilità di integrazione con algoritmi di ottimizzazione e reti neurali, apre alla possibilità di dati sempre più efficienti e alla scoperta di nuovi parametri.
Poiché questo simulatore è di grande interesse e utilità per molti esperti del fotovoltaico, esso è anche disponibile in modalità open source.