La producción de células solares tradicionales hechas de silicio consume mucha energía. Además de eso, son rígidas y frágiles. Los materiales semiconductores orgánicos, por otro lado, son flexibles y livianos. Serían una alternativa prometedora, aunque solo fuera su eficienciay la estabilidad estaban a la par con las células tradicionales.
Junto con su equipo, Karsten Reuter, profesor de Química Teórica en la Universidad Técnica de Múnich, está buscando sustancias novedosas para aplicaciones fotovoltaicas, así como para pantallas y diodos emisores de luz - OLED. Los investigadores han puesto su mira.en compuestos orgánicos que se basan en estructuras de átomos de carbono.
Contenders para la electrónica del mañana
Dependiendo de su estructura y composición, estas moléculas y los materiales formados a partir de ellas, muestran una amplia variedad de propiedades físicas, proporcionando una gran cantidad de candidatos prometedores para la electrónica del futuro.
"Hasta la fecha, un problema importante ha sido rastrearlos: se necesitan semanas o meses para sintetizar, probar y optimizar nuevos materiales en el laboratorio", dice Reuter. "Usando la detección computacional, podemos acelerar enormemente este proceso".
Computadoras en lugar de tubos de ensayo
El investigador no necesita tubos de ensayo ni quemadores Bunsen para buscar semiconductores orgánicos prometedores. Usando una computadora poderosa, él y su equipo analizan las bases de datos existentes. Esta búsqueda virtual de relaciones y patrones se conoce como minería de datos.
"Saber lo que está buscando es crucial en la minería de datos", dice el Dr. PD Harald Oberhofer, quien dirige el proyecto. "En nuestro caso, es la conductividad eléctrica. La alta conductividad asegura, por ejemplo, que mucha corrientefluye en las células fotovoltaicas cuando la luz solar excita las moléculas "
Los algoritmos identifican parámetros clave
Usando sus algoritmos, puede buscar parámetros físicos muy específicos: uno importante es, por ejemplo, el "parámetro de acoplamiento". Cuanto más grande es, más rápido se mueven los electrones de una molécula a la siguiente.
Otro parámetro es la "energía de reorganización": define lo costoso que es para una molécula adaptar su estructura a la nueva carga después de una transferencia de carga: cuanto menos energía se requiera, mejor será la conductividad.
El equipo de investigación analizó los datos estructurales de 64,000 compuestos orgánicos usando los algoritmos y los agrupó en grupos. El resultado: tanto los marcos moleculares basados en carbono como los "grupos funcionales", es decir, los compuestos unidos lateralmente al marco central, decisivamenteinfluir en la conductividad.
identificación de moléculas utilizando inteligencia artificial
Los grupos destacan los marcos estructurales y los grupos funcionales que facilitan el transporte de carga favorable, haciéndolos particularmente adecuados para el desarrollo de componentes electrónicos.
"Ahora podemos usar esto para no solo predecir las propiedades de una molécula, sino que usando la inteligencia artificial también podemos diseñar nuevos compuestos en los que tanto el marco estructural como los grupos funcionales prometen una muy buena conductividad", explica Reuter.
Fuente de la historia :
Materiales proporcionado por Universidad Técnica de Munich TUM . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :