Em qualquer forma de conversão de energia – mesmo com algo tão verde quanto painéis solares – calor extra é gerado. Mas, com até 72% dele sem uso, também há um grande potencial para coletar eletricidade desse lixo.
Um pesquisador da Universidade de Alberta desenvolveu com sucesso uma maneira de descobrir a química por trás desse processo.
A descoberta pode ajudar a acelerar o desenvolvimento de materiais termoelétricos – produtos que, se anexados a algo como um sistema de painel solar, podem recuperar o calor residual que pode então ser usado para gerar corrente elétrica.
Usando dois modelos de Machine Learning que ele desenvolveu, Alexander Gzyl conseguiu reduzir a composição química de um grupo de ligas que poderiam ser usadas para criar esses materiais.
Os materiais termoelétricos podem ser usados para aproveitar a energia de dispositivos eletrônicos pessoais como telefones celulares ou servidores de computador, recuperar o calor gerado pela combustão, usar o calor do corpo para alimentar dispositivos como marca-passos e melhorar a eficiência de fontes alternativas de energia como geotérmica e solar.
“Se conseguirmos transformar o calor em algo utilizável como eletricidade, podemos melhorar a eficiência energética em escala global”, observou Gzyl, que conduziu a pesquisa para obter o título de mestre na Faculdade de Ciências. Seu trabalho também faz parte da Future Energy Systems, uma pesquisa interdisciplinar e rede de ensino da U of A que trabalha para desenvolver inovações para a transição energética.
Encontrando as combinações químicas certas
Os materiais com os quais Gzyl trabalhou, chamados ligas de meio-Heusler, estão se mostrando bem-sucedidos no campo por causa de sua estabilidade, resistência mecânica e eficiência. Mas eles ainda representam um desafio devido à sua composição química específica.
Gzyl precisava localizar a estrutura de cristal correta para poder calcular as propriedades que determinam a eficiência teórica de um determinado material termoelétrico.
Ao desenvolver dois algoritmos de computador, ele foi capaz de examinar mais de 300.000 possibilidades de simulação e estreitar o campo para apenas 103 candidatos. Isso resultou em uma lista de novos compostos de meio-Heusler e uma maneira de determinar sua disposição correta “em questão de segundos”, disse ele.
Esse conhecimento pode ser usado para calcular as propriedades termoelétricas em compostos específicos para decidir se eles são bons candidatos para dispositivos de prototipagem, com economia substancial de tempo e recursos.
“Normalmente, pode levar até 10 anos para descobrir algum novo material”, disse Gzyl, observando que só na última década os materiais termelétricos foram eficientes o suficiente para comercializar, devido ao longo tempo necessário para conduzir a pesquisa.
“O aprendizado de máquina realmente simplifica essa abordagem e, neste caso, fomos capazes de testá-la, levá-la além da teoria para o mundo real, e ela funciona.”
O trabalho de Gzyl ajuda a avançar no campo de materiais termelétricos, que já estão sendo usados por grandes entidades como a NASA e a BMW, disse o professor da Universidade de Massachusetts Arthur Mar, cujo laboratório no Departamento de Química sediou a pesquisa de Gzyl.
“O principal desafio é melhorar a eficiência de geração de energia elétrica, e muitos cientistas têm trabalhado muito para fazer isso sintetizando e testando novos materiais”, disse Mar. “O trabalho de Alex ajudou a acelerar esse processo de descoberta.”
Publicado em 22/09/2021 11h50
Artigo original: