KI-gesteuerte Optik: neue Ära für Solarzellen, intelligente Fenster und Teleskope

BerlinIngenieure der University of Michigan haben OptoGPT entwickelt, ein KI-Werkzeug zur Gestaltung optischer Mehrschicht-Filmstrukturen für Solarzellen, intelligente Fenster und Teleskope. Ähnlich wie ChatGPT beschleunigt OptoGPT den Designprozess erheblich und liefert Ergebnisse in nur 0,1 Sekunden. Dieses neue Tool ermöglicht es Herstellern, schneller und einfacher bessere Geräte zu entwickeln.

OptoGPT ermittelt die notwendige Materialstruktur basierend auf den gewünschten optischen Eigenschaften. Dies ist entscheidend, da das Design effizienter Mehrschichtstrukturen sehr komplex ist. Die richtige Kombination von Materialien und deren Dicke zu finden, erfordert in der Regel viel Erfahrung.

Wichtige Merkmale von OptoGPT:

• Entwirft mehrschichtige Filmstrukturen in nur 0,1 Sekunden.
• Erzeugt Designs mit sechs weniger Schichten als frühere Modelle.
• Eignet sich für eine Vielzahl von Anwendungen, von Solarzellen bis hin zu intelligenten Fenstern.
• Verbessert die Entwurfsgenauigkeit durch lokale Optimierung.

OptoGPT kann:

Verfasse diesen Absatz perfekt auf Deutsch neu, ohne ihn wörtlich zu übersetzen.

Eine fesselnde, prägnante Überschrift erstellen - zum Beispiel dies ist ein schlechter niederländischer Titel:

Oekraïne treft Russische olieraffinaderijen te midden van Moskou's maritieme verdedigingsclaims

während dies ein guter ist:

Lesen Sie auch:

Heute · 03:00

Patagonien unter Druck: Gletscherschutz durch Emissionsreduktion, um Schnee statt Regen zu sichern

Oekraïne valt Russische olieraffinaderijen aan, Moskou beweert succesvolle verdediging op zee

• Maximieren der Lichtabsorption in Solarzellen.
• Optimierung der Reflexion in Teleskopen.
• Verbesserung der Halbleiterproduktion mit extremem UV-Licht.
• Verbesserung der Wärmeregulierung intelligenter Fenster.

Die Erstellung optischer Strukturen erfordert normalerweise viel Zeit und Fachwissen, aber OptoGPT vereinfacht diesen Prozess erheblich. Für Anfänger kann der Einstieg schwierig sein. OptoGPT unterstützt, indem es die Materialien mit spezifischen Dicken und deren optischen Eigenschaften nutzt, um das nächste Bauteil im Design vorherzusagen. Dadurch entsteht ein Design, das die gewünschte Eigenschaft, wie beispielsweise hohe Reflexion, viel einfacher erreicht.

Die Forscher testeten OptoGPT mit einem Datensatz von 1.000 bekannten Designs, die Informationen zu den verwendeten Materialien, der Dicke und den optischen Eigenschaften enthielten. Die von OptoGPT erstellten Designs wichen nur um 2,58% vom Validierungssatz ab, was eine deutliche Verbesserung gegenüber früheren Modellen darstellt, die eine Abweichung von 2,96% aufwiesen.

OptoGPT unterscheidet sich von älteren Algorithmen, da es viel flexibler ist. Es kann eine Vielzahl von Aufgaben im Bereich der optischen Gestaltung bewältigen und in unterschiedlichen Gebieten angewendet werden. Das bedeutet, es gibt viele Einsatzmöglichkeiten. Zudem kann die lokale Optimierung die Entwürfe noch weiter verbessern. Durch die Anpassung der Variablen kann beispielsweise die Genauigkeit um 24% erhöht werden, wodurch der Unterschied nur noch 1,92% beträgt.

Das Team untersuchte die Funktionsweise von OptoGPT, indem es eine Methode verwendete, um die Verbindungen des KI-Systems sichtbar zu machen. Auf einer 2D-Karte gruppieren sich Materialien nach Typen, wie Metalle oder dielektrische Materialien. Dielektrika, einschließlich Halbleiter, versammeln sich in einem zentralen Punkt, wenn ihre Dicke etwa 10 Nanometer erreicht. Dies liegt daran, dass aus optischer Sicht das Licht bei dieser geringen Dicke mit verschiedenen Materialien ähnlich interagiert.

OptoGPT ist vielseitiger als ältere Design-Algorithmen, die meist auf bestimmte Aufgaben beschränkt waren. Diese Technologie kann Ingenieuren und Forschern erheblich bei der Entwicklung von optischen Mehrschicht-Filmstrukturen für verschiedene Anwendungen helfen.

Die National Science Foundation hat diese Forschung teilweise finanziert. Mitautoren der Studie sind Taigao Ma und Haozhu Wang von der Universität Michigan. Unter der Leitung von Professor L. Jay Guo, einem Experten für Elektrotechnik und Computertechnik an der U-M, wurde die Studie veröffentlicht in Opto-Electronic Advances.