Lab samarbejder om at forberede fotovoltaisk materialeforskning til exascale

Fotovoltaiske solceller er et lovende alternativ til fossile brændstoffer, men de skal være meget mere effektive, før de kan blive udbredt. Forskere har skubbet den nuværende supercomputerkraft til det yderste på udkig efter den forbedrede effektivitet, men ankomsten af ​​exascale computing inden for de næste par år vil give dem mulighed for at tage denne quest til det næste niveau.

Mod denne ende, forskere fra Berkeley Labs Computational Research Division (CRD) og National Energy Research Scientific Computing Center (NERSC) samarbejder med Carnegie Mellon og en række andre akademiske institutioner om at forberede sig på at bruge landets første exascale computer næste år for at fortsætte søgen efter nye , mere effektive solcellematerialer. Projektet vil kombinere analytisk simulering med machine learning og data mining til at opdage nye materialer.

Samarbejdet bruger software udviklet af Berkeley Lab -forskere til at forudsige excitationsegenskaber i potentielle fotovoltaiske solcellematerialer. Softwaren, BerkeleyGW, er en materialevidenskabssimuleringspakke, der kan forudsige materialers exciterede tilstandsegenskaber, hvilket er, hvordan et materiale reagerer på, at en stimulant, såsom en foton, der kommer ind i det. BerkeleyGW betragtes som en af ​​de mest nøjagtige kvantemekaniske simuleringer til dataindsamling.

"Selvom GW -beregningsmetoden implementeret i BerkeleyGW er meget præcis, det blev ofte betragtet som dyrt i form af computertid, der kræves for at køre koden, "siger Jack Deslippe, en NERSC -gruppeleder og en hovedudvikler af BerkeleyGW -koden. "For dette samarbejde, vores team har optimeret BerkeleyGW, så det ikke kun er et præcist forudsigelsesværktøj, men også skalerer til maksimal ydeevne på moderne arkitekturer, som gør det muligt for forskere at analysere op til flere tusinde atomer - noget der tidligere var umuligt. "

Solceller konverterer fotoner fra solen til elektricitet ved at absorbere fotoner og generere en strøm af elektroner. Normalt omdannes en foton til en elektron. Carnegie Mellon -samarbejdet leder efter materialer, der kan gennemgå singlet fission, en proces, ved hvilken en fotogenereret singlet exciton-foton omdannes til to triplet excitoner, øge den strøm, der frigives. Målet med forskningen er at finde de sjældne materialer, der kan gennemgå en enkelt fission for at forbedre solcelleeffektiviteten.

At forsøge at finde disse typer materialer eksperimentelt er en umulig opgave - forskere sammenligner det med at finde en nål i en høstak. "Men vi kan simulere disse materialegenskaber, bruge beregning til at udføre screening af mulighederne og vælge, hvad vi synes er de bedste kandidater, send dem derefter til laboratoriet til test, "siger Mauro Del Ben, en CRD -forsker, der har arbejdet med BerkeleyGW -koden. "Da vi leder efter spændende tilstande i disse materialer, vi har brug for et nøjagtighedsniveau, der går ud over det, der i øjeblikket er tilgængeligt, og det er her, BerkeleyGW kommer ind. "

Beregningsomkostningerne er stadig stejle, men forbedring af kodeydelsen kan hjælpe med at reducere belastningen. Ved at optimere parallelisering og udnytte acceleratorer såsom GPU'er, BerkeleyGW kan tackle i bare et par noder beregninger, der tidligere tog tusindvis af noder. Forskningen udføres i øjeblikket på Theta -supercomputeren ved Argonne National Laboratory, Cori hos NERSC, og topmøde på Oak Ridge National Laboratory, på nuværende tidspunkt den mest kraftfulde supercomputer i verden.

Den første exascale supercomputer er planlagt til at ankomme til Argonne National Laboratory i 2021. Carnegie Mellon -teamet sigter mod at optimere arbejdsgange, så deres forskning vil være klar til at køre på det nye exascale -system.

Hvis projektet lykkes, det kunne bruges som en skabelon til enhver form for maskinlæring, datadrevet opdagelse af nye materialer på forskellige områder, sætter en standard for, hvad der kan bruges i fremtiden til flere applikationer, siger Del Ben.