北極星太陽能光伏網訊:一份新報告稱，太陽能光伏和其他可再生能源將會越來越受益於人工智慧(AI)，人工智慧會徹底變革這項技術的設計、研發和部署，太陽能與人工智慧相結合，將改變我們的生活。
2017中國(深圳)Solar plus國際高峰論壇將在深圳國際會展中心隆重舉行，8日下午，子詢(深圳)智能研究院院長劉東屏作了關於「機器學習技術在太陽能電池材料中的應用」的演講。
會議實錄如下：
非常高興有這個機會跟大家講講子詢在前期的研究和產業化結合當中的進展。
子詢是一個非常年輕的研究機構，是一個企業化運作的研究機構，按照國家規定是一個三類型機構，是2016年成立的，在今年一年的運營過程中，在材料領域做出了一些自己的研究成果，下面簡單介紹一下子詢的工作情況。
子詢人工智慧研究院是在工業人工智慧領域非常聚焦的，在深圳和成都有兩個中心，成都中心是研發中心，深圳中心是產品中心。通過這一年的實踐，走訪了多家民營企業，同時有40幾家合作單位。子詢的核心產品是一套基於人工智慧算法的網絡平臺，我們在這個平臺中可以訓練自己的材料基因組，訓練跟材料相關的產品。
整個團隊是一個海外創業團隊，我們有海外的院士加盟，還有海外知名的材料領域的教授，同時在國內有相應的博士和技術輔助人才的支持，這樣就建立了一個比較完整的從科研到產業化的運作團隊。其實子詢所瞄準的市場就是從科研到產業化的最後一公裡，我們在產品端的努力要比在科研端的努力還要多。
從技術上來講，技術核心的優勢是貧數據的訓練方式。現在講人工智慧，很多人工智慧需要的數據量是非常巨大的，比方說訓練一張人臉，可能需要2萬張以上的圖片才能把一個事情訓練得很好，但是子詢不僅在訓練圖象，還有在訓練語音的時候，我們的訓練樣本都是非常少的，這是基於我們的貧數據的技術。此外，在現在的神經元網絡方面也有獨有的技術積累，主要是像Capsule這樣的神經元網絡技術。這是最新的神經元網絡技術，Capsule主要解決的是在小樣本的數據量下，我們怎麼訓練出一個有效的圖形。
在對企業服務方面有自己的網絡化特色平臺，在這段時間內累積了27份專利，同時獲得了北京市科技進步一等獎，這是前期取得的一些成績。
在太陽能技術方面，子詢跟其它人工智慧企業的區別體現在它的技術和技術流程上，剛才我們講過了技術的部分，在技術流程方面是一個全流程的企業，這指的是人工智慧分四部分，第一是訓練，大家講的要企業數據，都是指要做一個模型的訓練，這其實只是人工智慧產品的第一步，第二步，要對這個數據進行有效的壓縮，有效壓縮之後才能滿足工業界的需求，因為工業界的人工智慧需求不是一種在線式的需求，它絕大部分是一種離線式的需求，所以我們要通過有效的壓縮技術把相應的算法和模型寫入FPGA當中，讓它完成離線功能，因此要在離線的時候才能使用，這才是工業界最需要的機器人。最後，需要這種離線式機器人具有自主學習功能，它具有自主學習功能之後，在生產線上即使不聯網，可以根據新的產品對自我進行相應的調整，這才是真正未來可以助力工業產品成長的一個機器人技術。
子詢既然是聚焦在工業人工智慧領域，工業實際上是一個很大的範疇，在工業上我們看待工業有相應的材料問題，有相應的設備問題，有相應的工藝問題，還有相應的軟體問題，今天我們要和太陽能相結合，我們下面的主題是和太陽能相結合的，所以我們著重說一下人工智慧如何和材料研究相結合，這種材料研究又能如何幫助到太陽能產品的研發。
首先簡單介紹一下人工智慧。大家對人工智慧的概念可能設備都是來自電影裡，我們講人工智慧，有很多的著名電影，絕大部分會想到人工智慧怎麼跟人類相處的問題。這一次的人工智慧浪潮到底會不會讓我們社會有這樣的問題呢?目前來看，從技術角度我們還並不具備這樣的條件。
微觀一點講，人工智慧是什麼，其實人工智慧是一堆專有名詞的算法，這些算法在這裡就不一一展開了，但是要強調的是，這一代的人工智慧算法在經驗學習、模式識別、自然語義和數據檢索方面是有它獨特優勢的，但是目前的人工智慧算法還並不具備機器情感，所以並不會出現我們在電影裡面看到的情況。如果更微觀一點的講，在工業領域和人工智慧相結合應該怎麼走呢?它有幾條路徑，講機器學習，只是其中的一個環節，還有對機器的操控，以及對視覺上的反饋，這樣一個圖形整體的構成了人工智慧在工業界核心的幾個要素。
目前的人工智慧發展，從火星車、工業機械手的應用中已經可以得到充分體現。
下面有一個統計圖，這一點很有意思，這是世界上現在的機器人的數量，我們可以看到日本的機器人擁有數量非常多，這張圖告訴我們的是工業機器人，就是我們說的機械手這種機器人在各國的應用程度。德國是工業製造強國，它的機器人的數量也是相當多的，所以機器取代人在工業應用是有非常廣闊前景的。
從時間這個維度來看，機器人的人口數量其實也在不斷地成長，這個統計是在2015年的時候做的，到目前為止，現在的數量已經是在三四級。
剛才講的都是AI概念，AI具體和材料如何結合，如何進行相應的實踐，這是我們下面要回答的問題。
剛才提到了神經元網絡，神經元網絡和人工智慧到底有什麼關係呢?神經元網絡是什麼?簡單來說，神經元網絡是一種特殊的方法，它可以讓機器具有自主學習功能，神經元網絡也是一種任意內容的迭代器，它可以讓機器學習任意的內容，這就是目前這次人工智慧浪潮當中我們用深度神經元網絡和機器學習相結合的一個非常典型的成功的算法。
如何把工業智能化進一步推向工業4.0的升級呢?我認為這裡面應該加上神經元網絡。工業智能和神經元網絡的結合，它有幾個代表性的例子，這個是IBM的watson機器人的架構圖，這個架構圖比較複雜，但是用最後的效果呈現就非常簡單，它是用一堆的計算機指令自動地給病人做手術，這個東西現在已經發生了，這並不是科幻，但是它只能在特殊的病症上做這些事情。
這是到IBM參觀的時候看到的情況，一個房間裡是一堆高精尖的計算機，如果在工業領域想做人工智慧，首先得有這麼多的硬體。子詢的硬體是什麼樣的呢?雖然沒有IBM這麼大的實驗室，但是實驗條件也還是可以的，我們跟中科院、四川師範大學和南科大的集群都是互聯的，這樣可以保證有相應的運算能力和運算量，可以跟上對工業人工智慧的需求。
在工業領域，有很多人做了比較細分的領域，他們都是在某些問題上做了相應的突破，這裡我就不再一一展開。
具體來看，人工智慧和材料領域的結合，首先就是在新材料的發現上，我們可以用神經元的算法便利整個元素周期表，做不同組份的任意的組份實驗，分析它的穩定性、它的結構的特性到底是什麼，以及跟你最終的目標所輸出的材料特性之間到底能不能匹配上，這是神經元網絡可以幹的事情。
具體來講，我們有一套完整的流程圖，現在我們已經實現了這樣的技術。
人工智慧和材料學凌玉象結合，還可以在材料悟性的研究上有很強的應用，它就是根據我們不同的實驗，我們在太陽能領域有二三十年的實驗數據的累積，它累積實驗的過程中有大量的失敗數據，也有少量的成功數據，機器學習失敗的數據是非常有用的，可以給它很好的路徑，讓我們指向一兩次的成功，所以它在數據的悟性上，基於我們的數據回溯，人工智慧可以很好的算出它的數據，我們經過人工智慧的算法和分析，可以了解每一個材料上一點點變化所帶來最終性能的改變。
這是現在做的兩個比較經典的例子，其中一個是用人工智慧去擬合能帶結構，能帶結構就是我們對一個材料電學性質的描述，紅色的線是深度神經元網絡擬合出來的東西，虛線是根據實驗測量和理論計算的結果，結果還是非常吻合的。這是指在電子結構方面。還有一個太陽能涉及到很多的摻雜，在摻雜上怎麼解決，我們也有一套AI的算法，根據你要摻雜的水平預測你摻雜所處的能帶間隙的位置，從而控制一些間接躍遷和直接躍遷的效率，這還是我們在實驗室當中得到實驗驗證的結果。
此外，人工智慧在快速材料搜索方面有非常典型的應用。結合太陽能領域的發展，這是一張NREL的圖，很多人都看過這張圖，這個圖上的點就是對太陽能領域所研究的心路歷程，我們對大數據的分析，可以推測出下一代的太陽能材料的結構是什麼樣的，所以說人工智慧核心解決的問題，就是把原先要用實驗做的事情，有毒的、周期長的，穩定性差的實驗的因素，變成無毒的、高效的、性能穩定的在線式的實驗。
通過人工智慧算法，最終可以讓實驗和理論相結合，同時強調使用效果，並且可以做到快速求解，在一個元素周期表當中如何找和鋰這種材料相匹配或者可以相提並論的材料。
人工智慧在外圍應用軟體方面也是可以和太陽能相結合的，比如說能源管理，像房間和車載的能源管理。此外，我們在能源管理方面做了一點小小的實驗，這是做的一個模型，通過神經元網絡這種方法，可以有效地建模，規劃使用者的習慣，在長周期下進一步提高能源使用效率，同時還增加它的穩定性。
(發言為現場速記整理，未經嘉賓審核)
北極星太陽能光伏網聲明：此資訊系轉載自北極星電力網合作媒體或網際網路其它網站，北極星太陽能光伏網登載此文出於傳遞更多信息之目的，並不意味著贊同其觀點或證實其描述。文章內容僅供參考。