AI软件协助设计太阳能电池的新材料

太阳能电池将在转向可再生经济方面发挥关键作用。有机光伏(OPV)是一类很有前景的太阳能电池，基于光吸收有机分子与半导体聚合物相结合。

OPV由廉价的轻质材料制成，并且具有良好的安全性和易于生产的优点。然而，它们的功率转换效率(PCE) - 将光转换成电能的能力 - 仍然太低而无法实现全面商业化。

PCE取决于有机层和聚合物层。传统上，化学家通过反复试验尝试了不同的组合，导致大量浪费的时间和精力。

现在，大阪大学的一个研究小组利用计算机能力自动寻找匹配良好的太阳能材料。将来，这可能会导致设备效率大大提高。该研究报告发表在“物理化学快报”上。

研究第一作者Shinji Nagasawa解释说：“聚合物的选择会影响直接决定PCE的几种性质，如短路电流。” “然而，设计具有改进性能的聚合物并不容易。传统的化学知识还不够。相反，我们使用人工智能来指导设计过程。”

通过检测人类专家无法实现的统计趋势，信息学可以理解大型复杂数据集。该团队从大约500项研究中收集了1,200种OPV的数据。他们使用随机森林机器学习，建立了一个模型，结合了这些先前OPV的带隙，分子量和化学结构，以及它们的PCE，来预测潜在新设备的效率。

随机森林揭示了材料特性与其在OPV中的实际性能之间的相关性得到了改善。为了利用这一点，该模型用于自动“筛选”预期聚合物的理论PCE。然后根据化学直觉对最佳候选人名单进行削减，以确定在实践中可以合成的内容。

这一战略促使该团队开发了一种新的，以前未经测试的聚合物。在这种情况下，基于第一次尝试的实际OPV证明效率低于预期。但是，该模型提供了有关结构 - 属性关系的有用见解。通过包含更多数据，例如聚合物在水中的溶解度或其骨架的规律性，可以改善其预测。

“机器学习可以极大地促进太阳能电池的发展，因为它可以即时预测实验室需要数月的结果，”共同作者Akinori Saeki说。“这不是人类因素的直接替代品 - 但当分子设计师必须选择探索哪种途径时，它可以提供至关重要的支持。”