+56 (582) 230334
Nuevos Materiales Fotovoltaicos y Celdas Solares
La transición hacia un modelo energético verdaderamente sostenible exige el desarrollo de paneles solares más eficientes y ecológicos. En esta línea de investigación, nos enfocamos en el modelamiento avanzado de materiales fotovoltaicos emergentes, destacando el estudio de aleaciones tipo kesterita (como Cu₂ZnGe(S,Se)₄ y Cu₂NiGeS₄). Estas estructuras representan una alternativa tecnológica prometedora, ya que prescinden de elementos pesados o altamente tóxicos y se basan en compuestos abundantes en la naturaleza. Para lograr este diseño a medida sin recurrir al costoso ensayo y error del laboratorio tradicional, estructuramos nuestra metodología en dos grandes escalas analíticas:
A. Ingeniería a Nivel Atómico: El Enfoque Cuántico
El punto de partida se sitúa en la escala más fundamental, utilizando cálculos ab initio apoyados en la Teoría Funcional de la Densidad (DFT). A este nivel, implementamos técnicas de strain engineering (ingeniería de deformación), simulando computacionalmente cómo la compresión o expansión milimétrica de la red cristalina altera el comportamiento interno del material.
Esta sintonización estructural nos permite evaluar y optimizar tres factores microscópicos clave:
-
La estructura de bandas: Las trayectorias energéticas que determinan si el material es un buen semiconductor.
-
La densidad de estados (DOS): La cantidad de "asientos" o niveles energéticos disponibles para los electrones.
-
Las propiedades ópticas fundamentales: Determinando con exactitud la capacidad del material para absorber, reflejar y refractar la luz solar.
B. Simulación del Dispositivo: El Salto Macroscópico
Saber que un material es ópticamente perfecto a nivel atómico es solo el primer paso. Para evaluar su viabilidad real, extraemos los parámetros cuánticos calculados con la DFT y los integramos en herramientas especializadas de simulación macroscópica, como el software SCAPS-1D.
Este acoplamiento teórico nos permite modelar el comportamiento del panel solar completo bajo condiciones reales de iluminación, prediciendo métricas críticas para la industria:
-
Curvas de Densidad de Corriente-Voltaje (J-V): El perfil que indica la potencia eléctrica real que el dispositivo es capaz de entregar.
-
Eficiencia de Conversión Cuántica: El porcentaje exacto de partículas de luz (fotones) que el material logra transformar exitosamente en electricidad.
-
Factor de Llenado (): Un indicador supremo de la calidad eléctrica, que evalúa qué tan cerca opera la celda solar de su rendimiento teórico ideal.
En resumen, esta línea integra la mecánica cuántica y la física de semiconductores para acelerar el diseño de una nueva generación de celdas solares: dispositivos de altísimo rendimiento eléctrico, listos para escalar industrialmente y estrictamente respetuosos con el ecosistema.
Publicaciones recientes relevantes:
-
Analysis of electronic and optical properties for photovoltaic applications. (Journal of Physics D: Applied Physics).
DOI: 10.1088/1361-6463/ad3b2a -
Strain Effects on the Electronic and Optical Properties of Kesterite Cu2ZnGeX4 (X = S, Se): First-Principles Study. (Nanomaterials).
DOI: 10.3390/nano13121852 -
Modeling of highly efficient CNGS based kesterite solar cell: A DFT study along with SCAPS-1D analysis. (Solar Energy).
DOI: 10.1016/j.solener.2023.111929
Para ver otros artículos de la línea, ir a la sección de publicaciones.
Eficiencia Energética, Transferencia de Calor y Redes Neuronales
Para crear la tecnología energética del mañana, ya no basta con las matemáticas tradicionales; necesitamos el poder de la Inteligencia Artificial. En esta área de investigación, fusionamos las leyes inquebrantables de la física clásica (las ecuaciones que garantizan la conservación de la masa, el momento y la energía) con avanzados algoritmos de Machine Learning para lograr un objetivo clave: la optimización.
En primer lugar, estudiamos el comportamiento de "fluidos de nueva generación". Analizamos cómo fluyen y se deforman (su reología) mezclas muy complejas, como los nanofluidos híbridos y ternarios o los fluidos viscoelásticos (modelos de Jeffrey). Sometemos virtualmente a estos líquidos a escenarios extremos: calentamiento por corrientes eléctricas (calentamiento de Joule), cambios abruptos de viscosidad y "transpiración" o paso de masa a través de superficies porosas.
Dado que la física detrás de estos fenómenos es extremadamente compleja y no lineal, damos un salto tecnológico y delegamos parte del análisis a Redes Neuronales Artificiales (ANN). Utilizando esquemas de entrenamiento altamente eficientes (como el algoritmo de retropropagación de Levenberg-Marquardt), "enseñamos" a nuestros modelos a encontrar el orden dentro del caos de los fluidos.
El uso de estas redes neuronales no es un mero ejercicio computacional; nos permite predecir y optimizar variables críticas para la industria energética:
-
Predecir el flujo de energía y materia: Calculamos con altísima precisión cómo el fluido transferirá el calor (números de Nusselt) y la masa (números de Sherwood), lo que permite diseñar sistemas sin necesidad de costosas pruebas de ensayo y error.
-
Combatir el desperdicio energético: Identificamos las condiciones exactas para minimizar la tasa de generación de entropía. En física práctica, esto significa evitar que la energía útil se degrade y se pierda durante el proceso.
-
Potenciar las energías renovables: Aplicamos todas estas predicciones directamente al diseño de colectores solares térmicos y sistemas de disipación de calor, garantizando que cada gota de fluido aproveche la energía del sol con la máxima eficiencia posible.
Publicaciones recientes relevantes:
-
Joule Heating and Viscosity-Ratio Effects on Dissipative Ternary Nanofluid Flow over a Permeable Surface. (International Journal of Computational Methods).
DOI: 10.56578/ijcmem140104 -
Artificial neural network analysis of Jeffrey hybrid nanofluid with gyrotactic microorganisms for optimizing solar thermal collector efficiency. (Scientific Reports).
DOI: 10.1038/s41598-025-88877-6 -
Computational and artificial neural network study on ternary nanofluid flow with heat and mass transfer with magnetohydrodynamics and mass transpiration. (Neural Computing and Applications).
DOI: 10.1007/s00521-024-10325-9
Para ver otros artículos de la línea, ir a la sección de publicaciones.
Magnetohidrodinámica y Nanofluidos
El movimiento de los líquidos puede parecer impredecible, pero en la frontera de la física de fluidos, hemos aprendido a describirlo con precisión. En esta línea de investigación, estudiamos la hidrodinámica de fluidos complejos —tanto los predecibles (newtonianos) como aquellos con comportamientos "rebeldes" que cambian su viscosidad (no-newtonianos)— cuando los sometemos simultáneamente a fuerzas electromagnéticas y diferencias de temperatura (convección mixta).
Para entender este dinámico mundo microscópico, utilizamos potentes simulaciones computacionales para resolver las célebres ecuaciones de Navier-Stokes. Sin embargo, no lo hacemos con líquidos comunes, sino con fluidos altamente sofisticados: modelamos nanofluidos enriquecidos con mezclas de tres tipos de nanopartículas (suspensiones ternarias) que, además, están habitados por microorganismos girotácticos (diminutos nadadores biológicos que se orientan inteligentemente contra la gravedad).
Ponemos a prueba estas exóticas mezclas haciéndolas navegar por "pistas de obstáculos" diseñadas a medida (escenarios de frontera complejos), evaluando cómo fluyen a través de:
-
Placas de Riga: Superficies que actúan como propulsores electromagnéticos, empujando el líquido sin necesidad de piezas mecánicas móviles.
-
Canales biomiméticos: Tubos verticales recubiertos de "cilios" (similares a las vellosidades de nuestro cuerpo) donde el fluido es impulsado mediante campos eléctricos (régimen electroosmótico).
-
Medios elásticos y térmicos: Entornos donde analizamos cómo la radiación de calor afecta a fluidos espesos que se estiran como el plástico (medios viscoelásticos).
Todo este enorme despliegue de cálculo numérico y analítico tiene un objetivo fundamental: mapear con la mayor exactitud posible a qué velocidad se moverá el fluido, dónde se concentrará el calor y en qué zonas se agruparán los microbios. Al comprender este comportamiento, podemos evaluar qué tan eficiente es el proceso desde el punto de vista de la energía.. Estos descubrimientos son la pieza clave para diseñar y perfeccionar dispositivos de microfluídica (laboratorios médicos enteros comprimidos en un chip) y biorreactores de alta eficiencia para la industria biotecnológica y medioambiental.
Publicaciones recientes relevantes:
-
An analysis of heat and mass transfer of ternary nanofluid flow over a Riga plate: Newtonian heating. (Numerical Heat Transfer, Part B: Fundamentals).
DOI: 10.1080/10407790.2023.2282165 -
Electroosmotic MHD ternary hybrid Jeffery nanofluid flow through a ciliated vertical channel with gyrotactic microorganisms: Entropy generation optimization. (Heliyon).
DOI: 10.1016/j.heliyon.2024.e25102 -
Insights into significance of radiative inclined MHD on mixed convective viscoelastic flow of hybrid nanofluid over a permeable surface with mass transpiration. (Journal of Engineering Thermophysics).
DOI: 10.1134/S1810232824040179
Para ver otros artículos de la línea, ir a la sección de publicaciones.