Automated Extraction of Techno-Economic Data from 76,000 Energy System Studies

Stel je de energietoekomst van de wereld voor als een enorme, complexe puzzel. Om deze op te lossen, bouwen wetenschappers digitale modellen—virtuele laboratoria waarin ze ideeën testen zoals: "Wat als we alles naar zonenergie veranderen?" of "Hoe voorzien we een stad van windenergie?". Maar deze modellen zijn slechts zo goed als de cijfers waarmee ze worden gevoed. Als een wetenschapper een gok doet over de kosten van een batterij of hoe lang een zonnepaneel meegaat, en die gok is fout, dan valt de hele puzzel uit elkaar, wat leidt tot slechte beslissingen voor ons echte energienetwerk. Jarenlang was het vinden van deze cijfers als het zoeken naar naalden in een hooizak van miljoenen onderzoeksartikelen. Onderzoekers moesten ze één voor één lezen en handmatig feiten overnemen, een traag en foutgevoelig proces dat er vaak toe leidde dat verschillende groepen precies hetzelfde werk twee keer deden.

Nu, stel je een super-slimme robotbibliothecaris voor die elk energie-artikel dat ooit geschreven is in seconden kan lezen, de cijfers erin begrijpt en ze organiseert in een enorme, doorzoekbare schatkist. Dat is precies wat deze nieuwe studie heeft gebouwd. De onderzoekers hebben een systeem ontwikkeld dat automatisch 76.000 wetenschappelijke studies heeft gescand die sinds 2010 zijn gepubliceerd. In plaats van alleen de woorden te lezen, leerde dit systeem specifieke feiten te herkennen—zoals de prijs van een windturbine, hoe efficiënt een zonnepaneel is, of hoe lang een batterij meegaat—en haalde deze eruit om een enorme database van 3,2 miljoen datapunten te creëren. Dit is niet zomaar een lijst; het is een kaart van hoe wetenschappers denken over energie, die laat zien waar hun aannames overeenkomen met de realiteit en waar ze mogelijk van koers afwijken. Door een berg tekst te veranderen in een helder, interactief dashboard, heeft het team iedereen een krachtig nieuw hulpmiddel gegeven om het grote plaatje van onze energietoekomst te zien zonder verloren te raken in de details.

De Grote Ontdekking van de Robotbibliothecaris

De kern van dit werk is een tool genaamd Quinex, die fungeert als een zeer getrainde detective voor cijfers. Waar eerdere pogingen om energiedata te verzamelen leken op het vangen van vlinders met een net—langzaam en vaak de snelle exemplaren missend—gebruikt Quinex geavanceerde kunstmatige intelligentie om door 76.000 artikelen te vegen en de cijfers met ongelooflijke nauwkeurigheid te vangen. Het resultaat is een database met 3,2 miljoen gestructureerde kwantitatieve datapunten en 20 miljoen bijbehorende metadata-items. Denk bij metadata aan de "wie, wat, waar en wanneer"-labels die aan elk getal zijn bevestigd. Als de database bijvoorbeeld zegt dat een windturbine $2.251 per kilowatt kost, weet het ook dat dit getal afkomstig is uit een studie in Mauritius in 2018. Dit niveau van detail verandert een simpele lijst met cijfers in een rijk, doorzoekbaar verhaal.

De onderzoekers gebruikten deze database om achter het gordijn van het energieonderzoek te kijken en ontdekten enkele verrassende patronen. Eerst keken ze naar wie het onderzoek uitvoert. Hoewel China de meeste artikelen produceert, publiceren kleinere landen zoals Denemarken en het VK, wanneer men corrigeert voor de populatiegrootte, in werkelijkheid veel meer energie-studies per persoon dan verwacht. Het is alsoalsof een klein dorp meer uitvindingen produceert dan een gigantische stad, wat wijst op een zeer intense focus op energie-innovatie in die specifieke regio's.

Ze ontdekten ook hoe de onderzoeksprioriteiten in de loop der tijd zijn verschoven. In het begin van de jaren 2010 was een groot deel van het onderzoek gericht op kolen, maar naarmate de wereld naar schonere energie bewoog, nam die focus af en werd deze vervangen door een golf van studies over zon (fotovoltaïsche cellen) en wind. Interessant genoeg onthulde de database dat wetenschappers zich vaak richten op specifieke technologieën op basis van hun lokale omgeving. Zo geeft het onderzoek in Japan bijvoorbeeld zwaar de voorkeur aan zonne-energie, wat de reflectie is van het feit dat zij veel meer zonnepanelen hebben geïnstalleerd dan windturbines. Daartegenover hebben Europese landen een constante focus behouden op zowel wind als zon.

Een van de meest cruciale bevindingen heeft betrekking op de nauwkeurigheid van de cijfers die wetenschappers gebruiken. Het team vergeleken de kosten en efficiënties die in deze 76.000 artikelen werden gevonden met real-world data van het International Renewable Energy Agency (IRENA). Ze ontdekten dat hoewel de algemene trends correct waren, er een systematische "achterstand" was en een neiging voor academische artikelen om iets te optimistisch of pessimistisch te zijn over kosten. Bijvoorbeeld, de artikelen suggereerden dat de kosten van zonnepanelen daalden, maar de echte daling in de praktijk gebeurde zelfs nog sneller. Op dezelfde manier gingen de artikelen er vaak van uit dat windturbines langer zouden meegaan of efficiënter zouden werken dan ze in de echte wereld doen. Dit suggereert dat hoewel wetenschappers op de goede weg zijn, hun modellen soms steunen op aannames die iets verouderd of te idealistisch zijn.

De database fungeert ook als een tijdmachine, die laat zien hoe de complexiteit van deze energiemodellen is gegroeid. Tien jaar geleden behandelde een model een heel continent misschien nog als één enkele, wazige vlek. Nu, dankzij betere rekenkracht, zoomt de focus in en breekt continenten af in netwerken van onderling verbonden steden en regio's. Ze kijken ook naar de tijd in veel fijnere details, waarbij ze overgaan van het bekijken van energieverbruik in brede jaarlijkse blokken naar het volgen ervan per uur, om beter te begrijpen hoe energie op te slaan wanneer de zon niet schijnt of de wind niet waait.

Misschien wel het meest opwindende deel van dit werk is wat het voor de toekomst mogelijk maakt. Omdat de database "FAIR" is (Vindbaar, Toegankelijk, Interoperabel en Herbruikbaar), is deze voor iedereen beschikbaar via een interactief dashboard. Onderzoekers kunnen de data filteren om precies te vinden wat ze nodig hebben, of ze nu de levensduur van batterijen in Afrika bestuderen of de kosten van waterstof in Europa. Dit betekent minder tijd besteed aan het graven door stoffige archieven en meer tijd aan het oplossen van de eigenlijke puzzel van hoe we onze wereld van stroom voorzien. De auteurs benadrukken dat hoewel de robotbibliothecaris ongelooflijk snel is, menselijke experts nog steeds nodig zijn om het werk te controleren en de context te interpreteren, om ervoor te zorgen dat de cijfers zin krijgen in de echte wereld.

Kortom, dit artikel geeft ons niet alleen een grotere stapel cijfers; het geeft ons een helderdere lens waardoor we het hele veld van energieonderzoek kunnen bekijken. Het laat zien waar het wereldwijde gesprek naartoe gaat, waar de hiaten in onze kennis liggen en hoe we betere, nauwkeurigere modellen kunnen bouwen om onze transitie naar een duurzame toekomst te begeleiden. Door het saaie deel van het werk te automatiseren, hebben de onderzoekers de sleutels overhandigd aan de volgende generatie wetenschappers, zodat zij zich kunnen concentreren op de grote, creatieve vragen die onze wereld zullen vormen.