Predicción de Máximos de Absorción de Colorantes Basada en Estructura Molecular Utilizando Modelo ANN
Autores: Tomar, Neeraj; Rani, Geeta; Dhaka, Vijaypal Singh; Surolia, Praveen K.; Gupta, Kalpit; Vocaturo, Eugenio; Zumpano, Ester
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Predicción de Máximos de Absorción de Colorantes Basada en Estructura Molecular Utilizando Modelo ANN
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Requerimientos de energía
Celdas solares
DSSC
Química computacional
Modelos de redes neuronales
Máximos de absorción
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Los requisitos de energía en crecimiento exponencial y, a su vez, la extensa disminución de fuentes de energía no renovables son una causa principal de preocupación. Las fuentes de energía renovables como las celdas solares pueden ser utilizadas como alternativa. Sin embargo, su baja eficiencia es una barrera para su uso práctico. Esto provoca a la comunidad de investigación a diseñar celdas solares eficientes. Basado en el estudio de la eficacia, la viabilidad de diseño y el costo de fabricación, las DSSC muestran supremacía sobre otras celdas solares fotovoltaicas. Sin embargo, fabricar DSSC en un laboratorio y luego evaluar sus características es un asunto costoso. Los investigadores aplicaron técnicas de química computacional como la Teoría de la Funcional de Densidad Dependiente del Tiempo, y un método ab initio para definir la estructura y propiedades electrónicas de tintes sin sintetizarlos. Sin embargo, la incapacidad de los descriptores para proporcionar una representación física intuitiva del efecto de todos los parámetros es una limitación de los enfoques propuestos. El potencial probado de los modelos de redes neuronales en análisis de datos, reconocimiento de patrones y detección de objetos motivó a los investigadores a extender su aplicabilidad para predecir el máximo de absorción () del tinte. El objetivo de esta investigación es desarrollar un modelo QSPR basado en ANN para predecir correctamente el valor de para tintes de complejos de rutenio inorgánicos utilizados en DSSC. Además, demuestra el impacto de diferentes funciones de activación, optimizadores y funciones de pérdida en la precisión de predicción de . Además, esta investigación muestra el impacto del peso atómico, tipos de enlaces entre los constituyentes de la molécula del tinte y el peso molecular de la molécula del tinte en el valor de . Los resultados experimentales demostraron que el valor de varía con los cambios en los átomos constituyentes y los tipos de enlaces en una molécula de tinte. Además, el modelo minimiza la diferencia en los valores experimentales y calculados de los máximos de absorción. La comparación con los modelos existentes demostró la dominancia del modelo propuesto.
Descripción
Los requisitos de energía en crecimiento exponencial y, a su vez, la extensa disminución de fuentes de energía no renovables son una causa principal de preocupación. Las fuentes de energía renovables como las celdas solares pueden ser utilizadas como alternativa. Sin embargo, su baja eficiencia es una barrera para su uso práctico. Esto provoca a la comunidad de investigación a diseñar celdas solares eficientes. Basado en el estudio de la eficacia, la viabilidad de diseño y el costo de fabricación, las DSSC muestran supremacía sobre otras celdas solares fotovoltaicas. Sin embargo, fabricar DSSC en un laboratorio y luego evaluar sus características es un asunto costoso. Los investigadores aplicaron técnicas de química computacional como la Teoría de la Funcional de Densidad Dependiente del Tiempo, y un método ab initio para definir la estructura y propiedades electrónicas de tintes sin sintetizarlos. Sin embargo, la incapacidad de los descriptores para proporcionar una representación física intuitiva del efecto de todos los parámetros es una limitación de los enfoques propuestos. El potencial probado de los modelos de redes neuronales en análisis de datos, reconocimiento de patrones y detección de objetos motivó a los investigadores a extender su aplicabilidad para predecir el máximo de absorción () del tinte. El objetivo de esta investigación es desarrollar un modelo QSPR basado en ANN para predecir correctamente el valor de para tintes de complejos de rutenio inorgánicos utilizados en DSSC. Además, demuestra el impacto de diferentes funciones de activación, optimizadores y funciones de pérdida en la precisión de predicción de . Además, esta investigación muestra el impacto del peso atómico, tipos de enlaces entre los constituyentes de la molécula del tinte y el peso molecular de la molécula del tinte en el valor de . Los resultados experimentales demostraron que el valor de varía con los cambios en los átomos constituyentes y los tipos de enlaces en una molécula de tinte. Además, el modelo minimiza la diferencia en los valores experimentales y calculados de los máximos de absorción. La comparación con los modelos existentes demostró la dominancia del modelo propuesto.