Η μετάβαση σε ένα βιώσιμο ενεργειακό μέλλον περνά αναπόφευκτα μέσα από την ανάπτυξη αποδοτικότερων τεχνολογιών, και ιδιαίτερα στον τομέα της ηλιακής ενέργειας. Κεντρικό ρόλο σε αυτή την προσπάθεια διαδραματίζει η ανακάλυψη νέων ημιαγωγών υλικών, όπως οι πολλά υποσχόμενες περοβσκίτες, που μπορούν να ενισχύσουν την αποδοτικότητα των φωτοβολταϊκών πάνελ. Ωστόσο, κάθε νέο υλικό απαιτεί χρονοβόρα και λεπτομερή αξιολόγηση πριν φτάσει στο στάδιο της εφαρμογής, ένα βήμα που αποτελεί φραγμό στην ταχεία εξέλιξη της πράσινης τεχνολογίας.
Σε αυτό το σημείο έρχεται να δώσει λύση μια νέα ρομποτική πλατφόρμα που αναπτύχθηκε από ερευνητές του MIT. Πρόκειται για ένα πλήρως αυτόνομο ρομπότ, σχεδιασμένο να επιταχύνει δραστικά τη διαδικασία ελέγχου και αξιολόγησης υλικών, εξοικονομώντας χρόνο και επιστημονικούς πόρους. Το ρομπότ είναι εξοπλισμένο με μία ειδική ακίδα που μετρά την φωτοαγωγιμότητα, μια κρίσιμη ιδιότητα που δείχνει πόσο καλά ένα υλικό αντιδρά στο φως, δηλαδή πόσο κατάλληλο είναι για φωτοβολταϊκές εφαρμογές.
Η καινοτομία δεν περιορίζεται απλώς στην αυτοματοποίηση κινήσεων. Το σύστημα αυτό έχει ενσωματωμένη τεχνητή νοημοσύνη και μηχανική μάθηση, η οποία εκπαιδεύτηκε με βάση τη γνώση ειδικών στη χημεία και την επιστήμη υλικών. Ο συνδυασμός προηγμένων λογισμικών με ρομποτική ακρίβεια επιτρέπει στο σύστημα να δρα με επιστημονική κρίση, χωρίς ανθρώπινη παρέμβαση.
Η διαδικασία ξεκινά με την καταγραφή μιας εικόνας του υλικού δείγματος — για παράδειγμα, ενός λεπτού φιλμ περοβσκίτη — μέσω κάμερας. Το λογισμικό ανάλυσης εικόνας εντοπίζει διαφορετικά τμήματα του δείγματος και τα διαχωρίζει. Στη συνέχεια, ένα νευρωνικό δίκτυο επεξεργάζεται τις πληροφορίες και προσδιορίζει ποια σημεία είναι τα πλέον κατάλληλα για μέτρηση. Ακολουθεί σχεδιασμός διαδρομής από ειδικό αλγόριθμο, ώστε η ακίδα να μετακινηθεί με τον πιο αποδοτικό τρόπο ανάμεσα στα σημεία ενδιαφέροντος. Το ρομπότ, μέσω των μηχανικών του τμημάτων, προχωρά σε σειρά μετρήσεων με ταχύτητα και ακρίβεια που υπερβαίνουν τις ανθρώπινες δυνατότητες.
Η αποδοτικότητα του συστήματος επιβεβαιώνεται και από τα πειραματικά δεδομένα. Σε μία μόνο ημέρα, το ρομπότ ολοκλήρωσε πάνω από 3.000 μετρήσεις φωτοαγωγιμότητας, φτάνοντας κατά μέσο όρο τις 125 μοναδικές μετρήσεις ανά ώρα. Τα αποτελέσματα αυτά ξεπερνούν όχι μόνο τις επιδόσεις χειροκίνητης αξιολόγησης, αλλά και άλλων ρομποτικών συστημάτων με χρήση τεχνητής νοημοσύνης.
Ο Tonio Buonassisi, καθηγητής μηχανολογίας στο MIT και επικεφαλής της μελέτης, τονίζει ότι «δεν μπορούν να μετρηθούν όλες οι κρίσιμες ιδιότητες ενός υλικού χωρίς άμεση επαφή με αυτό». Όταν λοιπόν απαιτείται φυσική επαφή, προσθέτει, «η ταχύτητα και η ακρίβεια των μετρήσεων γίνονται καθοριστικές».
Ανάλογη είναι και η προσέγγιση του Alexander Siemens, συν-συγγραφέα της μελέτης, ο οποίος επισημαίνει πως η προσπάθειά τους επικεντρώθηκε στο να δημιουργήσουν ένα σύστημα που εξασφαλίζει τη μέγιστη επιστημονική απόδοση στον ελάχιστο δυνατό χρόνο. Πρόκειται για μια φιλοσοφία που ενσωματώνει τις αρχές της επιστημονικής αυτοματοποίησης, χωρίς να παρακάμπτει τη λεπτομέρεια και τη σημασία της ανθρώπινης γνώσης που ενσωματώνεται στους αλγόριθμους.
Παρότι το επίτευγμα του MIT είναι εντυπωσιακό από μόνο του, οι φιλοδοξίες της ερευνητικής ομάδας του Buonassisi δεν σταματούν εδώ. Ο απώτερος στόχος είναι η δημιουργία ενός πλήρως αυτοματοποιημένου εργαστηρίου ανακάλυψης νέων υλικών, ενός συστήματος ικανού να εντοπίζει, να αναλύει και να αξιολογεί υποψήφια υλικά για ενεργειακές εφαρμογές χωρίς καθόλου ανθρώπινη παρέμβαση.
Ένα τέτοιο εργαστήριο θα μπορούσε να επιταχύνει την πορεία προς πιο αποδοτικά και προσβάσιμα φωτοβολταϊκά συστήματα, συμβάλλοντας στην ευρύτερη υιοθέτηση καθαρών μορφών ενέργειας σε παγκόσμια κλίμακα.
[via]
