Les cellules solaires photovoltaïques sont une alternative prometteuse aux énergies fossiles, mais ils doivent être beaucoup plus efficaces avant de pouvoir être largement utilisés. Les scientifiques ont poussé la puissance de supercalcul actuelle à la limite à la recherche de cette efficacité améliorée, mais l'arrivée du calcul exascale dans les prochaines années leur permettra de faire passer cette quête au niveau supérieur.

Vers cette fin, des chercheurs de la division de recherche informatique (CRD) de Berkeley Lab et du National Energy Research Scientific Computing Center (NERSC) collaborent avec Carnegie Mellon et un certain nombre d'autres institutions universitaires pour se préparer à utiliser le premier ordinateur exascale du pays l'année prochaine pour poursuivre la recherche de nouveaux , matériaux de cellules solaires photovoltaïques plus efficaces. Le projet combinera la simulation analytique avec l'apprentissage automatique et l'exploration de données pour découvrir de nouveaux matériaux.

La collaboration utilise un logiciel développé par les scientifiques du Berkeley Lab pour prédire les propriétés d'excitation dans les matériaux potentiels des cellules solaires photovoltaïques. Les logiciels, Berkeley GW, est un logiciel de simulation de science des matériaux qui peut prédire les propriétés à l'état excité des matériaux, c'est ainsi qu'un matériau réagit à un stimulant tel qu'un photon qui y pénètre. BerkeleyGW est considéré comme l'une des simulations de mécanique quantique les plus précises pour l'acquisition de données.

"Bien que l'approche informatique de GW mise en œuvre à BerkeleyGW soit très précise, il était souvent considéré comme coûteux en termes de temps informatique requis pour exécuter le code, " dit Jack Deslippe, un chef de groupe NERSC et un développeur principal du code BerkeleyGW. « Pour cette collaboration, notre équipe a optimisé BerkeleyGW afin qu'il ne soit pas seulement un outil prédictif précis, mais qu'il s'adapte également aux performances de pointe sur les architectures modernes, qui permet aux chercheurs d'analyser jusqu'à plusieurs milliers d'atomes, ce qui était auparavant impossible."

Les cellules solaires convertissent les photons du soleil en électricité en absorbant des photons et en générant un courant d'électrons. Habituellement, un photon est converti en un électron. La collaboration Carnegie Mellon recherche des matériaux pouvant subir une fission singulet, un processus par lequel un photon d'exciton singulet photo-généré est converti en deux excitons triplets, augmentant le courant libéré. L'objectif de la recherche est de trouver les matériaux rares qui peuvent subir une seule fission pour améliorer l'efficacité des cellules solaires.

Tenter de trouver ces types de matériaux expérimentalement est une tâche impossible - les chercheurs comparent cela à trouver une aiguille dans une botte de foin. "Mais nous pouvons simuler ces propriétés matérielles, utiliser le calcul pour effectuer une sélection des possibilités et choisir ce que nous pensons être les meilleurs candidats, puis les envoyer au laboratoire pour les tests, " dit Mauro Del Ben, un chercheur du CRD qui a travaillé sur le code BerkeleyGW. "Comme nous recherchons des états excités dans ces matériaux, nous avons besoin d'un niveau de précision qui va au-delà de ce qui est actuellement disponible, et c'est là qu'intervient BerkeleyGW."

Le coût de calcul est encore élevé, mais l'amélioration des performances du code peut aider à réduire la charge. En optimisant la parallélisation et en exploitant des accélérateurs comme les GPU, BerkeleyGW peut s'attaquer en quelques nœuds à des calculs qui prenaient auparavant des milliers de nœuds. La recherche est actuellement en cours sur le supercalculateur Theta du Laboratoire National d'Argonne, Cori au NERSC, et Sommet au Laboratoire national d'Oak Ridge, actuellement le supercalculateur le plus puissant du monde.

Le premier supercalculateur exascale devrait arriver au laboratoire national d'Argonne en 2021. L'équipe de Carnegie Mellon vise à optimiser les flux de travail afin que leurs recherches soient prêtes à être exécutées sur le nouveau système exascale.

Si le projet réussit, il pourrait être utilisé comme modèle pour tout type d'apprentissage automatique, découverte basée sur les données de nouveaux matériaux dans différents domaines, établir une norme pour ce qui peut être utilisé à l'avenir pour plus d'applications, dit Del Ben.