Bileşik sinirsel öykünmeler termoelektrik jeneratör tasarımını hızlandırıyor

Atık Isıyı Kullanılabilir Güce Dönüştürmek

Her gün otomobil motorları, endüstriyel tesisler ve hatta ev aletlerinden gelen büyük miktarda ısı havaya karışıp gider. Termoelektrik jeneratörler, bu israf olan ısının bir kısmını hareketli parça gerektirmeden doğrudan elektriğe çevirmenin bir yolunu sunar. Ancak bu cihazların tasarımı şaşırtıcı derecede zordur: şekil, boyut ve malzeme düzenindeki küçük değişiklikler vasat bir cihazla bir çip üstü güç santrali arasındaki farkı yaratabilir. Bu çalışma, TEGNet adlı, özel olarak uyarlanmış bir yapay zekâ sisteminin bu cihazlar için ultra-hızlı bir "öyküncü" (emülatör) görevi görerek mühendislerin eskiden bir tasarımı test etmekte harcadıkları sürede bilgisayarda binlerce tasarım fikrini sınayabilmelerini nasıl sağladığını gösteriyor.

Termoelektrik Cihazların Tasarımının Neden Zor Olduğu

Bir termoelektrik jeneratör, sıcak bir taraf ile soğuk bir taraf arasında sıkıştırılmış birçok küçük katı sütun veya “bacak”tan oluşur. Bir uç diğerinden daha sıcak olduğunda elektriksel bir gerilim oluşur ve bacaklar doğru şekilde bağlanırsa yararlı bir güç kaynağı sağlarlar. Ancak her malzeme sıcaklığa farklı şekilde yanıt verir ve bacaklar aynı anda hem elektrik akımını hem de ısıyı taşımak zorundadır. Yüksek verim elde etmek için tasarımcıların uyumlu malzemeler seçmesi, her bacağın ne kadar uzun ve kalın olması gerektiğine karar vermesi ve farklı malzemeleri akıllı kombinasyonlarla düzenlemesi gerekir. Geleneksel olarak bunun için her yeni tasarımda bilgisayarda karmaşık fizik denklemleri çözülür; bu süreç vakalar başına saatler alabilir ve malzemeler ile şekiller birlikte değiştirildiğinde hızla yönetilemez hale gelir.

Bir Sinir Ağına Fiziği Taklit Etmeyi Öğretmek

Araştırmacılar, bu ağır fizik simülasyonlarını taklit etmeyi öğrenen sadeleştirilmiş bir sinir ağı olarak TEGNet’i geliştirdiler. Her seferinde temel denklemleri doğrudan çözmek yerine TEGNet, termoelektrik bacağın boyutu, sıcak ve soğuk taraflardaki sıcaklıklar ve elektrik akımı gibi birkaç ana girdiyi alır ve anında iki kritik çıktıyı tahmin eder: üretilen gerilim ve cihazdan geçen ısı akısı. Eğitmek için ekip önce ticari bir sonlu eleman çözücü kullanarak referans veriler oluşturdu, sonra TEGNet’in bu kalıpları öğrenmesine izin verdi. Belirli bir malzeme için yaklaşık 1.200 özenle seçilmiş örnekle TEGNet, orijinal çözücü ile %99,9’dan daha iyi uyum sağlarken yaklaşık on bin kat daha hızlı çalıştı. Bir kez eğitildiğinde pahalı simülasyonlara geri dönmeye gerek kalmadan tekrar tekrar kullanılabiliyor.

Basit Bloklardan Karmaşık Cihazlar Kurmak

TEGNet’in asıl gücü, daha karmaşık cihazları ele almak üzere “birleştirilebilmesi”nden gelir. Pratik jeneratörlerde farklı malzemeler geniş bir sıcaklık aralığını kapsamak için tek bir bacak içinde üst üste yerleştirilebilir veya negatif ve pozitif bacaklar yineleyen bir desende eşleştirilebilir. Bu parçaların tümü aynı akımı paylaştığı için yazarlar, birkaç malzemeye özgü TEGNet modelini yapım blokları gibi birleştirebiliyor: bireysel bacaklar ayrı ayrı tahmin ediliyor, sonra gerilimleri ve ısı akışları temel enerji ve devre kuralları kullanılarak birleştiriliyor. Bu yaklaşımla ekip, MgAgSb, Bi–Sb–Te alaşımları ve magnezyum bazlı bileşikler gibi yüksek performanslı malzemelerin segmentlendiği ve birçok olası şekilde eşleştirildiği tasarımları hızla araştırdı; bu, geleneksel araçlarla çok yavaş olurdu.

Tarama Yapılan Tasarımlardan Çalışan Donanıma

TEGNet’in tahminleri rehberliğinde araştırmacılar, yapay zekâ destekli tasarımların beklendiği gibi performans gösterdiğini doğrulamak için gerçek termoelektrik jeneratörler inşa edip test ettiler. MgAgSb’den yapılmış segmentli bir bacağa Bi–Sb–Te malzemesinin eklendiği bir jeneratörde %9,3 dönüşüm verimi elde ettiler ki bu türünün önde gelen cihazları arasında yer alıyor. Başka bir durumda ise emülatörü, magnezyum bazlı bileşiklerden üretilen n-tipi ve p-tipi bacakların göreli kesit alanlarını ayarlamak için kullandılar ve optimum tasarımın alışılmış “eşit alan” kestirmesinden saptığını keşfettiler. Ortaya çıkan eşleştirilmiş cihaz yaklaşık 600 K civarında %8,7 verimlilik elde etti ve düşük dereceli ısı toplayan diğer son teknoloji modüllerle karşılaştırıldığında olumlu bir performans sergiledi.

Geleceğin Enerji Cihazları İçin Anlamı

Bir uzman olmayan için ana mesaj, karmaşık enerji cihazları tasarlarken yapay zekânın artık yavaş fizik simülasyonlarının yerini alabileceği, üstelik doğruluktan ödün vermeden. TEGNet yeni malzemeler üzerine yapılan temel araştırmanın yerini almaz ve bir jeneratörün içindeki tüm mekanik ve zaman bağımlı detayları yakalamaz. Bunun yerine, olası cihaz düzenleri ve malzeme kombinasyonlarının büyük uzayını keşfetmek için son derece doğru bir kestirme yol görevi görür. Günler süren hesaplama işlerini saniyelere sıkıştırarak bu yaklaşım, araştırmacıların umut vaat eden termoelektrik malzemelerden atık ısıyı kullanılabilir elektriğe dönüştüren pratik modüllere daha hızlı geçmesine yardımcı olabilir ve katı hâl güç üretimini yaygın uygulamaya bir adım daha yaklaştırabilir.

Atıf: Li, A., Wu, X., Wang, L. et al. Composable neural emulators accelerate thermoelectric generator design. Nature 652, 643–649 (2026). https://doi.org/10.1038/s41586-026-10223-1

Anahtar kelimeler: termoelektrik jeneratörler, atık ısı geri kazanımı, yapay sinir ağı öykünmesi, cihaz tasarımı optimizasyonu, enerji toplama