[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-348-019-maschinenlernen-fuer-weiterentwicklung-der-photovoltaik-de":3},{"news":4,"categories":56},{"id":5,"status":6,"slug":7,"publish_date":8,"featured_image_hidden":9,"image":10,"translations":16,"categories":35,"newsletters":36,"title":18,"short_title":18,"excerpt":19,"languages_code":20,"seo":14,"components":41},14514,"published","348-019-maschinenlernen-fuer-weiterentwicklung-der-photovoltaik","2024-05-27T12:00:05.240Z",false,{"id":11,"width":12,"height":13,"focal_point_x":14,"focal_point_y":14,"filename_download":15,"description":14},"3bd1d922-2e1e-4560-89ea-8b4e749e4482",1920,1440,null,"348_019epfl_re.jpg",[17,26],{"id":5,"title":18,"short_title":18,"slug":7,"excerpt":19,"languages_code":20,"seo":14,"components":21},"Maschinenlernen für Weiterentwicklung der Photovoltaik","Ein Forschungsprojekt, an dem auch die ETH Lausanne beteiligt ist, hat für die Weiterentwicklung der Photovoltaik ein neues Suchverfahren entwickelt, das auf Machine Learning beruht. Es ermöglicht eine effizientere Suche nach neuen Materialien für ökonomische Solarzellen. ","de-CH",[22],{"collection":23,"item":24,"id":25},"component_text","1de3a422-c745-401d-826f-8fc5e967a4a8",14092,{"id":27,"title":28,"short_title":28,"slug":7,"excerpt":29,"languages_code":30,"seo":14,"components":31},14515,"L’apprentissage par la machine pour poursuivre le développement du photovoltaïque","Un projet de recherche, auquel participe également l'EPFL, a développé un nouveau procédé de recherche basé sur l'apprentissage automatique pour le développement du photovoltaïque. Il permet une recherche plus efficace de nouveaux matériaux pour des cellules solaires économiques. ","fr-CH",[32],{"collection":23,"item":33,"id":34},"c7217d7e-22a1-4625-b7cb-0a429ca776ee",14093,[],[37],{"newsletters_id":38},{"id":39,"number":40},"4d3c21a8-0a8f-4116-bdd7-03244f124b97","348",[42],{"collection":23,"item":24,"id":25,"data":43},{"id":24,"anchor":14,"title":14,"introduction":14,"text":44,"button_position":45,"media_type":46,"media_position":14,"youtube_url":14,"image":14,"button":47},"\u003Cp>Das Hauptziel der Suche sind Alternativen zum dominanten Silizium, insbesondere nach so genannten Perowskiten, die geringere Produktionskosten und einfachere Fertigungsverfahren in Aussicht stellen. Die vom Forschungsteam entwickelte neue Suchmethode basiert auf einem «Training» der Rechner auf Basis von 246 bekannten Perowskiten, Mineralen aus der Mineralklasse der Oxide und Hydroxide, die Licht besonders effizient absorbieren und den gewonnenen Strom gut ableiten. Mit der neuen Methode wurden 15'000 Materialien auf ihre Eigenschaften untersucht. Das Verfahren identifizierte 14 völlig neue Perowskiten, die sich ausgezeichnet für Photovoltaikmodule eignen.\u003C\u002Fp>\u003Cp>(Bild: H. Wang\u002FEPFL)\u003C\u002Fp>","under","NULL",[48],{"links_id":49},{"id":50,"anchor":14,"label":51,"color":52,"type":53,"link_external":54,"link_email":14,"link_phone":14,"link_page":55,"link_asset":14},"8c1e9228-ce17-4c58-abe0-ec4443667659","Bericht der ETH Lausanne","red","external","https:\u002F\u002Factu.epfl.ch\u002Fnews\u002Fmachine-learning-accelerates-discovery-of-solar-ce\u002F",[],[]]