OptoGPT AI za poboljšanje solarnih ćelija
- Objavljeno u Znanost
![image](https://www.vidi.hr/var/ezflow_site/storage/images/sci-tech/znanost/optogpt-ai-za-poboljsanje-solarnih-celija/726341-1-cro-HR/OptoGPT-AI-za-poboljsanje-solarnih-celija.jpg)
Proizvođači solarnih ćelija, teleskopa i drugih optičkih komponenti mogli bi brže dizajnirati bolje uređaje uz pomoć umjetne inteligencije.
OptoGPT, koji su razvili inženjeri Sveučilišta u Michiganu, koristi računalnu arhitekturu koja podupire ChatGPT za rad unatrag od željenih optičkih svojstava do strukture materijala koja ih može pružiti.
Novi algoritam dizajnira optičke višeslojne filmske strukture, naslagane tanke slojeve različitih materijala, koji mogu poslužiti u razne svrhe.
Dobro dizajnirane višeslojne strukture mogu maksimalno povećati apsorpciju svjetlosti u solarnoj ćeliji ili optimizirati refleksiju u teleskopu. One mogu poboljšati proizvodnju poluvodiča s ekstremnim UV svjetlom i poboljšati zgrade u regulaciji topline s pametnim prozorima koji postaju prozirniji ili reflektirajući ovisno o temperaturi.
OptoGPT proizvodi dizajne za višeslojne filmske strukture unutar 0,1 sekunde, gotovo trenutno. Osim toga, dizajn OptoGPT-a u prosjeku sadrži šest slojeva manje u usporedbi s prethodnim modelima, što znači da je njegov dizajn lakši za proizvodnju.
"Dizajniranje ovih struktura obično zahtijeva opsežnu obuku i stručnost budući da identificiranje najbolje kombinacije materijala i debljine svakog sloja nije lak zadatak", rekao je L. Jay Guo, profesor elektrotehnike i računalnog inženjerstva na Sveučilištu Michigan i dopisni autor studije objavljena u časopisu Opto-Electronic Advances.
Kako bi automatizirao proces projektiranja optičkih struktura, istraživački tim skrojio je transformatorsku arhitekturu, okvir za strojno učenje koji se koristi u velikim jezičnim modelima kao što su OpenAI-jev ChatGPT i Googleov Bard za vlastite potrebe.
Model tretira materijale određene debljine kao riječi, kodirajući njihova povezana optička svojstva kao ulazne podatke. Tražeći korelacije između ovih "riječi", model predviđa sljedeću riječ za stvaranje "fraze", u ovom slučaju dizajna za optičku višeslojnu strukturu filma, koja postiže željeno svojstvo kao što je visoka refleksija.
Istraživači su testirali izvedbu novog modela korištenjem validacijskog skupa podataka koji je sadržavao 1000 poznatih konstrukcijskih struktura uključujući njihov sastav materijala, debljinu i optička svojstva. Kada se uspoređuju dizajni OptoGPT-a sa skupom za provjeru valjanosti, razlika između njih bila je samo 2,58%, niža od najbližih optičkih svojstava u skupu podataka za obuku od 2,96%.
Slično kao što veliki jezični modeli mogu odgovoriti na bilo koje pitanje temeljeno na tekstu, OptoGPT je obučen na velikoj količini podataka i može dobro odgovoriti na opće zadatke optičkog dizajna u cijelom području.
Ako su istraživači usredotočeni na zadatak, poput dizajniranja visokoučinkovitog premaza za radijacijsko hlađenje, mogu koristiti lokalnu optimizaciju - podešavanje varijabli unutar granica za postizanje najboljeg mogućeg ishoda za daljnje fino podešavanje debljine radi poboljšanja točnosti. Tijekom testiranja, istraživači su otkrili da fino podešavanje poboljšava točnost za 24%, smanjujući razliku između validacijskog skupa podataka i OptoGPT odgovora na 1,92%.
Idući dalje u analizi, istraživači su koristili statističku tehniku za mapiranje asocijacija koje stvara OptoGPT.
Kada se mapiraju u 2D prostoru, materijali se grupiraju prema vrsti kao što su metali i dielektrični materijali, koji su električno izolacijski, ali mogu podržavati unutarnje električno polje. Svi dielektrici, uključujući poluvodiče, konvergiraju u središnjoj točki kako se debljina približava 10 nanometara. Iz perspektive optike, uzorak ima smisla jer se svjetlost ponaša slično bez obzira na materijal dok se približavaju tako malim debljinama, što dodatno pomaže potvrditi točnost OptoGPT-a.
Poznat kao inverzni algoritam dizajna jer počinje sa željenim učinkom i radi unatrag na materijalni dizajn, OptoGPT nudi veću fleksibilnost od prethodnih pristupa algoritama inverznog dizajna, koji su razvijeni za specifične zadatke. Omogućuje istraživačima i inženjerima da dizajniraju optičke višeslojne filmske strukture za širok raspon primjena.