实验室合作准备兆亿伏级的光伏材料研究

 
光伏太阳能电池是一种有前途的替代化石燃料的方法，但是在广泛使用之前，必须提高效率。科学家已经将当前的超级计算能力推到了极限，以寻求更高的效率，但在未来几年内百亿亿次计算的到来将使他们将这一追求提升到一个新的水平。
为此，伯克利实验室计算研究部(CRD)和美国国家能源研究科学计算中心(NERSC)的研究人员正在与卡内基·梅隆大学和其他许多学术机构合作，准备明年使用美国第一台百亿亿级计算机来继续寻找新型，更高效的光伏太阳能电池材料。该项目将分析模拟与机器学习和数据挖掘相结合，以发现新材料。
这项合作是使用伯克利实验室科学家开发的软件来预测潜在的光伏太阳能电池材料的激发特性。 BerkeleyGW软件是一种材料科学仿真程序包，可以预测材料的激发态特性，这是材料对诸如光子之类的刺激物作出反应的方式。 BerkeleyGW被认为是用于数据采集的最精确的量子力学模拟之一。
“尽管在BerkeleyGW中实现的GW计算方法非常准确，但是在运行代码所需的计算机时间方面，通常被认为是昂贵的，” NERSC小组负责人，BerkeleyGW代码的首席开发人员Jack Deslippe说。 “对于这次合作，我们的团队优化了BerkeleyGW，使其不仅是一种准确的预测工具，而且可以扩展到现代体系结构上的最高性能，这使研究人员可以分析多达数千个原子，而这在以前是不可能的。”
太阳能电池通过吸收光子并产生电子流，将太阳光子转化为电能。通常一个光子被转换成一个电子。卡内基·梅隆大学(Carnegie Mellon)合作伙伴正在寻找可以发生单线态裂变的材料，该过程将一个光生单线态激子光子转换为两个三线态激子，从而增加电流的释放。研究的目的是找到可以进行单裂变以提高太阳能电池效率的稀有材料。
尝试通过实验找到这些类型的材料是一项不可能的任务—研究人员将其比作在大海捞针中找到针头。 “但是，我们可以模拟这些材料的特性，使用计算方法进行可能性的筛选，然后选择我们认为最合适的材料，然后将它们送至实验室进行测试，”一直致力于研究的CRD研究科学家Mauro Del Ben说。在BerkeleyGW代码上。 “由于我们正在寻找这些材料的激发态，因此我们需要的准确性水平要超过目前可用的水平，这正是BerkeleyGW的用武之地。”
计算成本仍然很高，但是提高代码性能可以帮助减轻负载。通过优化并行化并利用GPU等加速器，BerkeleyGW可以在少数几个节点中处理以前占用数千个节点的计算。这项研究目前正在Argonne国家实验室的Theta超级计算机，NERSC的Cori以及Oak Ridge国家实验室的Summit上进行，目前是世界上功能最强大的超级计算机。
第一台百亿级超级计算机计划于2021年到达阿贡国家实验室。卡内基梅隆大学的团队旨在优化工作流程，以便他们的研究能够在新的百亿级系统上运行。
Del Ben说，如果该项目成功，它可以用作任何形式的机器学习，不同领域新数据的数据驱动发现的模板，为将来可用于更多应用的标准设定标准。