Исследовательская группа из Школы естественных наук и охраны окружающей среды (SNES) под руководством доктора Марины Фрейтаг создала фотоэлектрические элементы, чувствительные к красителям, на основе медного (II/I) электролита, достигшие беспрецедентной эффективности преобразования энергии в 38% и напряжения разомкнутой цепи 1,0 В при 1000 люкс (люминесцентная лампа). Элементы нетоксичны и безвредны для окружающей среды, устанавливая новый стандарт для устойчивых источников энергии в окружающей среде.

Опубликовано в журнале Химическая наука Исследование потенциально способно революционизировать способ питания устройств Интернета вещей, сделав их более устойчивыми и эффективными и открыв новые возможности в таких отраслях, как здравоохранение, производство и развитие "умных городов".

Доктор Марина Фрейтаг, главный исследователь SNES, Университет Ньюкасла, сказала: "Наше исследование знаменует собой важный шаг на пути к тому, чтобы сделать устройства Интернета вещей более устойчивыми и энергоэффективными. Сочетая инновационные фотоэлектрические элементы с интеллектуальными технологиями управления энергопотреблением, мы прокладываем путь для множества новых устройств, которые будут иметь далеко идущие применения в различных отраслях промышленности ".

Команда также представила новаторский метод управления энергопотреблением, использующий искусственные нейронные сети с долговременной кратковременной памятью (LSTM) для прогнозирования меняющихся условий развертывания и соответствующей адаптации вычислительной нагрузки датчиков Интернета вещей. Эта динамическая система управления энергопотреблением позволяет контуру сбора энергии работать с оптимальной эффективностью, сводя к минимуму потери электроэнергии или простои в работе.

Это прорывное исследование демонстрирует, как синергия искусственного интеллекта и окружающего света в качестве источника питания может обеспечить следующее поколение устройств Интернета вещей. Энергоэффективные датчики интернета вещей, работающие на высокоэффективных фотоэлектрических элементах окружающей среды, могут динамически адаптировать свое энергопотребление на основе прогнозов LSTM, что приводит к значительной экономии энергии и снижению требований к сетевым коммуникациям.