secpho

secpho

Collaborate to innovate

  • Open Innovation Club
  • Hazte Socio
  • Portal de Ayudas
  • Contacto
  • Somos
    • Nuestro ecosistema
    • Nuestra esencia
    • Nuestra fórmula
    • Equipo
  • Conectamos
    • Investigadores
    • Empresas tecnológicas
    • Startups
    • End-users y Corporates
    • Inversores
    • Talento
    • Con el mundo
  • Transformamos
    • Casos de éxito
    • ¿Tienes un reto?
    • Noticias
  • Tecnologías
    • Tecnologías fotónicas
    • Inteligencia artificial
    • Microelectrónica
    • Robótica y Drones
    • Tecnologías cuánticas
    • Biotecnología
    • Materiales avanzados
    • Blockchain
  • Sectores
    • Industria 4.0
    • Salud y bienestar
    • Ciudades inteligentes
    • Movilidad inteligente y sostenible
    • Seguridad alimentaria
    • Acción climática y medio ambiente
    • Agricultura, bosques y océanos
    • Energía segura, limpia y eficiente
    • New Space, defensa y seguridad
  • Agenda
  • Open Innovation Club
  • Hazte Socio
  • Contacto
  • Esp
  • Eng

IA para predecir el rendimiento de células solares orgánicas

Tecnología:
Ámbito: Energía limpia y eficiente, Acción climática y medio ambiente.
ODS: Energía asequible y no contaminante, Industria, innovación e infraestructura, Ciudades y comunidades sostenibles.
Desarrollado por:
#

¿Cuál es la configuración óptima para construir una célula solar orgánica hecha con diferentes polímeros? ¿La capa activa debe ser muy gruesa o muy fina? ¿Se necesita una cantidad grande o pequeña de cada polímero?

Saber cómo predecir la composición específica y el diseño de la célula para lograr un rendimiento óptimo es uno de los mayores problemas sin resolver en la ciencia de los materiales.

Investigadores del Instituto de Ciencia de Materiales de Barcelona (ICMAB), especializado en materiales para aplicaciones energéticas, han colaborado con investigadores de la Universitat Rovira i Virgili especializados en Inteligencia Artificial, para combinar los puntos de datos experimentales que recogen con algoritmos de inteligencia artificial y permitir una capacidad de predicción sin precedentes del rendimiento de las células solares orgánicas.

Obtención de múltiples puntos de datos experimentales

Los investigadores del ICMAB, dirigidos por Mariano Campoy-Quiles, han generado múltiples conjuntos de datos utilizando un nuevo método experimental que les permite disponer de un gran número de muestras a la vez, lo que comporta una aceleración de los tempos, en comparación con los métodos convencionales. En una fase posterior, se utilizan modelos de aprendizaje automático para aprender de esos conjuntos de datos y predecir el rendimiento de más materiales, como los nuevos semiconductores orgánicos sintetizados en el grupo del profesor Martin Heeney del Imperial College de Londres.

Algoritmos de inteligencia artificial para predecir el comportamiento

Uno de los aspectos clave de este estudio es que los investigadores pueden generar conjuntos de datos grandes y significativos con un esfuerzo experimental mínimo. Este es un aspecto importante para el éxito de los modelos de aprendizaje automático con el fin de obtener modelos y predicciones precisas y fiables.

Los investigadores utilizan una metodología basada en el cribado combinatorio en la que generan muestras con gradientes en los parámetros que más afectan al rendimiento de las células solares orgánicas (es decir, la composición y el grosor).

Los algoritmos de inteligencia artificial en el campo de la ciencia de los materiales se utilizan principalmente para buscar patrones de comportamiento y seguir desarrollando modelos predictivos del comportamiento de una familia de materiales para una aplicación determinada. Para ello, primero se entrena un algoritmo exponiéndolo a datos reales para generar un modelo de algoritmo. A continuación, el modelo se valida con otros puntos de datos no utilizados para crear el modelo, pero de la misma categoría de materiales. Una vez validado, el algoritmo se aplica para predecir el comportamiento de otros materiales similares que no forman parte del conjunto de entrenamiento ni de validación.

Otros proyectos y casos de éxito

SECLUREFA
SECLUREFA
Proyecto SIARA
Proyecto SIARA
Proyecto DEVIFO
Proyecto DEVIFO
LOGISDA
LOGISDA
SEPTIBELL
SEPTIBELL
Proyecto Space Giganet
Proyecto Space Giganet
Escaneo exprés por tierra y aire del castillo de Rupit
Escaneo exprés por tierra y aire del castillo de Rupit
WATERSENSE
WATERSENSE
SMART TEXTILE
SMART TEXTILE
TRY FIRST COMPACT
TRY FIRST COMPACT
DRONSTORE II
DRONSTORE II
LASERCOLEST
LASERCOLEST
HV INSPECT
HV INSPECT
SKINSENS
SKINSENS
PLATFORFUTURE
PLATFORFUTURE
OPTILASER
OPTILASER
QUICK
QUICK
DIGISOLAR
DIGISOLAR
SMART MAT
SMART MAT
FERMENTIA
FERMENTIA
Cabinas LASERKUBIK en Hungría
Cabinas LASERKUBIK en Hungría
Nec vel quis
Nec vel quis
BEACON
BEACON
Espectrómetro portátil
Espectrómetro portátil
ECO-PILOT
ECO-PILOT
HERMES
HERMES
OPTIENERGY
OPTIENERGY
SMARTFAB
SMARTFAB
Quside presenta la primera RPU del mundo
Quside presenta la primera RPU del mundo
bcb mide la atenuación solar del parque solar más grande del mundo
bcb mide la atenuación solar del parque solar más grande del mundo
AUTODRON
AUTODRON
Hexápodos
Hexápodos
OPTIOLEO
OPTIOLEO
SHAPE SENSING
SHAPE SENSING
Fyla y CERN evolucionan la industria de Semiconductores
Fyla y CERN evolucionan la industria de Semiconductores
Q LEAF IN VITRO
Q LEAF IN VITRO
Logística urbana inteligente y sostenible
Logística urbana inteligente y sostenible
Proyecto Eosens
Proyecto Eosens
Sistema de radar UWB para medir in-situ el espesor de la nieve
Sistema de radar UWB para medir  in-situ el espesor de la nieve
CLICA
CLICA
NANOIMOC
NANOIMOC
Cuántica al servicio de la Ciberseguridad
Cuántica al servicio de la Ciberseguridad
PROVIDENTIAL
PROVIDENTIAL
SILICON EYE
SILICON EYE
Proyecto Vascovid
Proyecto Vascovid
TRY FIRST
TRY FIRST
GEOLASER
GEOLASER
Tecnología de silicio en la lucha contra la Covid-19
Tecnología de silicio en la lucha contra la Covid-19
titulodelcaso
titulodelcaso
CLAUDIT
CLAUDIT
μEMBs
μEMBs
Sensocell
Sensocell
Luz de sincrotrón y cabello
Luz de sincrotrón y cabello
SPECTROMEAT
SPECTROMEAT
TRAINS SCS
TRAINS SCS
ESPECTROLIVE
ESPECTROLIVE

¿Te gustaría
conocernos mejor?
Contáctanos.
¿Quieres estar
al día en innovación
deep tech?
Suscríbete a nuestra newsletter.
Buscamos talento.
Entra en nuestra bolsa de trabajo.

  • Política de privacidad
  • Política de cookies
  • Canal ético
  • Contacto
© secpho 2025 | web: mafsdisseny