PAN Straty ciepła przez okna, powłoki od PAN (źródło: Pixabay)
PAN Straty ciepła przez okna, powłoki od PAN (źródło: Pixabay)

Te zrównoważone ogniwa wytworzą energię z otoczenia

Zespół naukowców z Uniwersytetu w Newcastle opracował zrównoważone ogniwa, które charakteryzuje wysoka wydajność. Co jeszcze o nich wiadomo?

Zrównoważone źródła energii są koniecznością

Poszukiwanie źródeł zrównoważonej energii jest niezwykle trudne i jednocześnie bardzo potrzebne. W dobie, gdy każdy z nas posiada mnóstwo urządzeń, choćby były one energooszczędne, zapotrzebowanie na prąd nieustannie rośnie. Ogniwa fotowoltaiczne można spotkać już dosłownie wszędzie, a Polska w zeszłym roku rejestrowała rekordowe ilości wyprodukowanej dzięki nim energii.

Mimo wszystko, obecnie stosowane panele słoneczne osiągają niskie sprawności i z czasem zużywają się oraz mogą stanowić odpad niebezpieczny, jeśli nie zostaną poddane właściwemu recyklingowi.

Naukowcy zdołali opracować barwnikowe ogniwa, których podstawą jest elektrolit miedziowy. Taka baza urządzeń sprawia, że stworzone urządzenia są w stanie osiągnąć wysokie poziomy sprawności konwersji energii rzędu 38%. Cenną zaletą jest brak toksyczności, ekologia oraz materiały przyjazne dla środowiska.

Ogniwa pozyskają energię z otoczenia (źródło: Uniwersytet w Newcastle)
Ogniwa pozyskają energię z otoczenia (źródło: Uniwersytet w Newcastle)

Ogniwa, które pozyskają energię z otoczenia

Te wyjątkowe i nowe ogniwa mają być nowym standardem, który pozwoli na wytwarzanie energii z otaczającego środowiska wewnętrznego. Badanie wykazało, że współdziałanie sztucznej inteligencji i światła otoczenia może stanowić źródło zasilania, dzięki czemu zredukowaniu może ulec ilość zużywanej energii przez czujniki oraz marnowania baterii.

Według naukowców najnowsze badanie ma stanowić istotny krok do wdrożenia bardziej zrównoważonych i energooszczędnych urządzeń IoT, których działanie mogłoby opierać się o ekologiczne zasoby energii.

Ten sam zespół badaczy stworzył także technologię opartą na sztucznej inteligencji i sieciach neuronowych, która ma pozwolić na łatwiejsze zarządzanie energią. Metoda ta umożliwia także przewidywanie zmian zachodzących w środowiskach oraz dostosowanie obciążenia, gdzie instalowane są czujniki.