Óptica movida por IA: inovando células solares, janelas inteligentes e telescópios

São PauloEngenheiros da Universidade de Michigan desenvolveram o OptoGPT, uma ferramenta de IA que auxilia no design de estruturas ópticas de filmes multicamadas para células solares, janelas inteligentes e telescópios. Utilizando uma tecnologia de IA similar ao ChatGPT, o OptoGPT acelera o processo de design, entregando resultados em apenas 0,1 segundo. Essa nova ferramenta permite que os fabricantes projetem dispositivos melhores de forma rápida e fácil.

OptoGPT define a estrutura do material necessária com base nas propriedades ópticas desejadas. Isso é crucial, pois projetar estruturas multicamadas eficientes é uma tarefa complexa. Encontrar a combinação ideal de materiais e suas espessuras geralmente requer um extenso treinamento.

Pontos Principais Sobre o OptoGPT:

• Projeta estruturas de filmes multicamadas em 0,1 segundo.
• Cria designs com seis camadas a menos do que os modelos anteriores.
• Atua em diversas tarefas, desde células solares até janelas inteligentes.
• Melhora a precisão do design por meio de otimização local.

OptoGPT é capaz de:

Reescrever este parágrafo em suas próprias palavras perfeitamente em português brasileiro. Por isso, não faça uma tradução literal.

Criar um título envolvente e conciso – por exemplo, este é um exemplo ruim de título em holandês:

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

enquanto este é um bom:

Leia também:

Hoje · 07:41

Desafios da transição da OpenAI para uma empresa lucrativa

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

Quero apenas o novo parágrafo na sua resposta. Portanto, comece com sua resposta imediatamente, sem introduções como 'aqui está minha resposta'.

• Maximizar a absorção de luz em células solares.
• Otimizar a reflexão em telescópios.
• Aperfeiçoar a fabricação de semicondutores com luz UV extrema.
• Melhorar a regulação térmica de janelas inteligentes.

Criar estruturas ópticas geralmente demanda muito tempo e expertise, mas OptoGPT simplifica esse processo. Para iniciantes, saber por onde começar pode ser um desafio. O OptoGPT auxilia utilizando materiais de espessuras específicas e suas propriedades ópticas para prever o próximo componente no design. Isso resulta em um design que atinge a propriedade desejada, como alta reflexão, de forma muito mais fácil.

Os pesquisadores testaram o OptoGPT com um conjunto de dados de 1.000 projetos conhecidos, contendo informações sobre materiais utilizados, espessura e propriedades ópticas. As criações do OptoGPT apresentaram uma diferença de apenas 2,58% em relação ao conjunto de validação, representando uma melhora significativa em comparação com modelos anteriores que tinham uma diferença de 2,96%.

OptoGPT se destaca em relação aos algoritmos mais antigos por ser muito mais versátil. Ele é capaz de lidar com diversas tarefas de design óptico em diferentes áreas, o que amplia significativamente suas aplicações. Além disso, a otimização local pode refinar ainda mais os projetos. Por exemplo, ajustar as variáveis pode aumentar a precisão em 24%, reduzindo a diferença para apenas 1,92%.

A equipe analisou o funcionamento do OptoGPT através de um método que revela as conexões feitas pela IA. Quando visualizados em um mapa 2D, os materiais se agrupam por tipo, como metais ou materiais dielétricos. Dielétricos, incluindo semicondutores, reúnem-se em um ponto central quando sua espessura se aproxima de 10 nanômetros. Isso ocorre porque, do ponto de vista óptico, a luz interage de maneira semelhante com diferentes materiais quando são tão finos.

OptoGPT é mais versátil do que os algoritmos de design antigos, que geralmente eram limitados a certas tarefas. Esta tecnologia pode apoiar significativamente engenheiros e pesquisadores na criação de estruturas de filmes óticos multicamadas para diversas aplicações.

A Fundação Nacional de Ciência foi uma das instituições que financiou esta pesquisa. Os coautores são Taigao Ma e Haozhu Wang, da Universidade de Michigan. O estudo, conduzido pelo professor L. Jay Guo, especialista em engenharia elétrica e de computação na mesma universidade, foi publicado na revista Opto-Electronic Advances.