人工智慧軟體助力太陽能電池新材料的開發

圖1顯示的為使用材料信息學探索用於聚合物太陽能電池的新聚合物。（圖片上部分）由電子給體，電子受體和烷基鏈組成的聚合物結構的實例。（圖片中間部分）按隨機森林法分類。（圖片下部分）材料信息學，實踐實驗和人類智能的協同組合。圖片來源：大阪大學

太陽能電池將在轉向可再生經濟方面發揮關鍵作用。有機光伏電池（OPV）是一種基於可吸收光的有機分子與半導體聚合物相結合的太陽能電池。

有機光伏電池（OPV）是由廉價、輕量化的材料製成的，並且具有良好的安全性和易於生產的優點。然而，它們的功率轉換效率（PCEs——即將光轉換為電能的能力）太低。對其全面商業化進程有很大阻礙。

功率轉換效率（PCE）取決於有機層和聚合物層。之前有化學家通過反覆試驗嘗試了很多不同的組合，為此耗費了大量的時間和精力。

現在，大阪大學的一組研究人員已經利用計算機的力量來自動搜索匹配良好的太陽能電池材料。在未來，這可能會有助於生產效率大大提高的設備。這項研究發表在了「Journal of Physical Chemistry Letters」雜誌上。

文章的第一作者Shinji Nagasawa解釋說：」聚合物的選擇會影響幾個特性，比如短路電流，短路電流的大小直接決定了功率轉換效率（PCE）。然而，沒有一種容易的方法可以用來設計具有更好性能的聚合物，傳統的化學知識是不夠的。相反，我們決定使用人工智慧來指導設計過程。」

圖2顯示了聚合物太陽能電池中的光電轉換和活性材料的化學結構

信息學可以通過檢測人類專家所沒有的統計趨勢來理解大型、複雜的數據集。該團隊從大約500項研究中收集了1200個OPV的數據。使用隨機森林機器學習，他們建立了一個模型，這個模型結合了這些先前的OPV的帶隙、分子量和化學結構，並結合了它們的PCE來預測潛在的新器件的效率。

隨機森林揭示了這些材料的特性與它們在OPV中的實際性能之間的改善的相關性。為了利用這一點，該模型被用於自動「篩選」潛在的聚合物，以獲得其理論上的PCE。然後根據化學直覺，將最優秀的候選人名單縮減，以便在實踐中綜合考慮。

該策略使該團隊創建了一種新的，以前未經測試的聚合物。在這種情況下，基於第一次嘗試的實際OPV的效率比預期的要低。然而，該模型對結構——性質關係提供了有益的見解。它的預測可以通過包括更多的數據來改善，例如聚合物在水中的溶解度或其骨架的規律性。

圖3顯示了使用隨機森林法進行烷基鏈篩選的實例

文章的合著者Akinori Saeki說：「機器學習可以極大地加速太陽能電池的開發，因為它可以即時預測在實驗室可能需要數月才能得出的實驗結果。這並不是對人類因素的直接替代，但當分子設計師必須選擇探索的途徑時，它可以提供關鍵的技術支持。」

文章來自phys，原文題目：AI software assists design of new material for solar cells，由材料科技在線匯總整理。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！