几乎无限的太阳能电池实验

时间：2021-06-08 15:31:47 来源：

大阪大学的研究人员采用机器学习来设计用于光伏设备的新型聚合物。在对超过 200,000 种候选材料进行虚拟筛选后，他们合成了最有前途的材料之一，并发现其性质与他们的预测一致。这项工作可能会导致功能材料的发现方式发生革命。

几乎无限的太阳能电池实验

机器学习是一种强大的工具，只要为算法提供足够的示例数据，它就可以让计算机对复杂的情况进行预测。这对于材料科学中的复杂问题特别有用，例如为有机太阳能电池设计分子，这可能取决于大量因素和未知的分子结构。人类需要花费数年时间来筛选数据以找到潜在的模式——甚至需要更长时间来测试构成有机太阳能电池的供体聚合物和受体分子的所有可能候选组合。因此，提高太阳能电池效率以在可再生能源领域具有竞争力的进展缓慢。

现在，大阪大学的研究人员使用机器学习来筛选数十万个供体：受体对，基于一种使用先前发表的实验研究数据训练的算法。尝试 382 个供体分子和 526 个受体分子的所有可能组合产生了 200,932 对，通过预测它们的能量转换效率进行了虚拟测试。

“基于实验数据集构建我们的机器学习模型大大提高了预测准确性，”第一作者 Kakaraparthi Kranthiraja 说。

为了验证这种方法，在实验室中合成了一种预计具有高效率的聚合物并进行了测试。发现其特性与预测相符，这让研究人员对他们的方法更有信心。

“该项目可能不仅有助于开发高效有机太阳能电池，还可以适用于其他功能材料的材料信息学，”资深作者 Akinori Saeki 说。

我们可能会看到这种类型的机器学习，其中一种算法可以根据机器学习预测快速筛选数千甚至数百万个候选分子，应用于其他领域，例如催化剂和功能聚合物。

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。