Bir grup araştırmacı, organik termoelektrik cihazların (OTE) performansını optimize etmek için yapay zeka temelli bir yöntem geliştirdi. Bu yöntem, hem cihazların performansını artırmak hem de geliştirme sürecini hızlandırmak için çığır açıcı bir adım. Özellikle düşük sıcaklıklarda boşa giden ısıyı elektriğe dönüştürme potansiyeliyle bu cihazlar, gelecekte giyilebilir teknolojiler ve küçük elektronik cihazlar için ideal bir enerji kaynağı olabilir.
Organik termoelektrik cihazlar, mekanik esneklikleri, geniş yüzeylerde üretilebilme kabiliyeti ve seri üretim için uygunlukları sayesinde yeni nesil giyilebilir teknolojiler ve sıcaklık sensörleri için dikkat çekici enerji toplama çözümleri sunmaktadır. Bu özellikler, organik termoelektrik cihazları akıllı bileklikler ve tıbbi sensörler gibi uygulamalar için son derece kullanışlı hale getiriyor. Düşünsenize, vücut sıcaklığınızla çalışan bir cihaz!
Geleneksel termoelektrik teknolojisi, ısıyı elektriğe dönüştürmek için kristal yapılı inorganik malzemelere dayanırken, organik termoelektrik cihazlar katkılanmış yarı kristal polimer ince filmler kullanmaktadır. Bu durum, optimum performans koşullarını elde etmeyi zorlaştırmaktadır. Ayrıca, bu cihazların optimize edilmesi de oldukça karmaşık bir süreçtir. Kullanılan polimerlerdeki katkı maddeleri, üretim yöntemleri ve ısıl işlemlerin etkileşimi, deneme-yanılma yöntemleriyle çalışma yapmayı zaman alıcı ve maliyetli hale getirebilmektedir.1
Çalışma ekibi, bu zorlukları aşmak için makine öğrenimi tabanlı bir deney tasarımı geliştirdi. Araştırmada, cihaz performansını etkileyen dört temel değişken analiz edildi: döndürme hızı, katkı çözeltisi konsantrasyonu, katkılama süresi ve tavlama sıcaklığı. Normalde bu değişkenlerin tüm kombinasyonlarını test etmek 256 deney gerektirirken, yapay zeka sayesinde sadece 16 deneyle optimum koşullar belirlenebildi.
Bu yaklaşımın en büyük avantajlarından biri, cihaz performansını ön görebilme yeteneği. Yani, karmaşık değişkenler arasındaki ilişkileri anlamamızı sağlıyor ve tekrarlayan deneylerin sayısını ciddi şekilde azaltıyor. Araştırmaya göre, bu yöntem sadece termoelektrik cihazlarla sınırlı kalmayıp diğer malzemelerin optimizasyonunda da kullanılabilir.
Benzer bir araştırma, farklı bilim insanları tarafından gerçekleştirilmişti. Bu ekip ise, termoelektrik cihazların verimliliğini artırmak için kuantum noktacıklarını kullanan yenilikçi bir yöntem geliştirmişti. Bu yöntem, malzeme verimliliğini artırırken, özellikle nano düzeyde ısı ve elektrik iletkenliğini optimize edebilme potansiyeli sunmuştu.2 Bu iki çalışma ve kullanılan yöntemler, termoelektrik cihazların geleceği için umut verici çözümler ortaya koyuyor.
Bu çalışmanın, yapay zekanın bilimdeki potansiyelini gözler önüne sererek az sayıda deneyle yüksek verimlilik sağlaması, birçok alanda devrim yaratabilir gibi görünüyor. Yöntemin yalnızca zaman ve maliyetten tasarruf sağlaması değil, aynı zamanda daha önce keşfedilmesi imkânsız gibi görünen karmaşık değişkenler arasındaki ilişkileri anlamamıza da olanak tanıması da oldukça önemli bir parametredir.
Sonuç olarak, organik termoelektrik cihazların geliştirilmesi, hem giyilebilir teknolojiler hem de temiz enerji çözümleri için büyük bir adım. Yapay zeka destekli bu yöntem, gelecekte enerjiye dair sürdürülebilir çözümler sunma yolunda umut verici bir adım olabilir.
Kaynaklar
- Jeong, J., Park, S., Park, J., Song, J., & Kwak, J. Machine‐Learning‐Assisted Process Optimization for High‐Performance Organic Thermoelectrics. Advanced Energy Materials, 2403431.
- https://news.mit.edu/2010/explained-thermoelectricity-0427