大阪大学 非富勒烯受体太阳能电池器件,其聚合物是通过机器学习设计的
学分:大阪大学 大阪大学的研究人员利用机器学习来设计用于光伏器件的新聚合物
在实际筛选了超过200,000种候选材料后,他们合成了一种最有希望的材料,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发现方式的革命
机器学习是一种强大的工具,它允许计算机对甚至复杂的情况做出预测,只要给算法提供足够的示例数据
这对于材料科学中的复杂问题尤其有用,例如为有机太阳能电池设计分子,这可能依赖于大量的因素和未知的分子结构
人类需要数年时间来筛选数据,以找到潜在的模式——甚至更长时间来测试构成有机太阳能电池的所有可能的供体聚合物和受体分子的候选组合
因此,在提高太阳能电池的效率以使其在可再生能源领域具有竞争力方面进展缓慢
现在,大阪大学的研究人员使用机器学习来筛选数十万对基于算法的供体和受体,该算法是用以前发表的实验研究数据训练出来的
尝试了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个对,通过预测它们的能量转换效率进行了实际测试
无花果
2
聚合物(左)和非富勒烯受体(右)的示例化学结构
学分:大阪大学 “将我们的机器学习模型建立在一个实验数据集的基础上,极大地提高了预测的准确性,”第一作者卡卡拉帕蒂·克兰蒂拉加说
为了验证这种方法,在实验室合成了一种预计具有高效率的聚合物并进行测试
人们发现它的特性与预测相符,这让研究人员对他们的方法更有信心
无花果
三
机器学习模型的开发方法、聚合物的虚拟生成和合成用聚合物的选择
学分:大阪大学 “这个项目不仅有助于高效有机太阳能电池的开发,还可以应用于其他功能材料的材料信息学,”资深作者佐伯明德说
我们可能会看到这种类型的机器学习,其中一种算法可以基于机器学习预测快速筛选数千甚至数百万个候选分子,并应用于其他领域,如催化剂和功能聚合物
来源:由phyica.com整理转载自PH,转载请保留出处和链接!