Akkumulátorhoz optimális redox potenciállal rendelkező molekulák generálása mélytanulással

A megújuló energiaforrást szeretnénk használni, akkor fontos, hogy fejlesszük az energia tárolókat, ugyanis a megújuló energiaforrások függenek a környezeti hatásoktól, például szélirány, felhőzet, csapadék mennyiség. Az ebből következő ingadozás nehézséget jelent a villamos energia hálózatnak. Az egyik módszer ennek az ingadozásnak a kiküszöbölésére az energia tárolók használata.

Azonban a jelenleg elterjedt akkumulátorok nem rendelkeznek megfelelő kapacitással, élettartammal. Elő állításuk költséges, illetve jelentős környezet szennyezéssel is jár. Ezeknek az attribútumoknak az optimalizálására fontos az innovatív megoldások kutatása.

Az egyik ilyen megoldás a redox folyadék áramos akkumulátorok, amelyeknél megfelelő redox potenciával rendelkező, vízben oldható és stabil molekula használatával szeretnék az előbb említett céloknál javulást egyszerre elérni.

A pontos kémiai számítások rendkívül idő és erőforrás igényesek. Valamint a molekulák szisztematikus módszerrel vannak előállítva. Emiatt homogének és meghatározott mintázat alapján vannak felépítve.

Dolgozatomnak a célja egy már meglévő molekula adatbázis bővítése olyan molekulákkal, amelyek molekulák terében nagyobb távolságra vannak egymástól ezzel elősegítve, hogy a globális optimumhoz közelebbi megoldást kapjunk.

Hasonló célokra a mélytanuló algoritmusok eredményességüket, már bizonyították. Molekuláknál különböző architektúrákat használtak eddig például GAN vagy reinforcement learning. Ahol SMILES stringek előállítása volt a cél. A dolgozatom célja, ennél bonyolultabb adatstruktúrák előállítása (például xyz koordináták, sdf file-ok).

szerző

• 
  Ritter Áron
  Mérnök informatikus szak, mesterképzés
  mesterképzés (MA/MSc)

konzulens

• 
  Dr. Szegletes Luca
  egyetemi adjunktus, Automatizálási és Alkalmazott Informatikai Tanszék