太陽能電池將在轉向可再生經濟方面發(fā)揮關鍵作用。有機光伏(OPV)是一類很有前景的太陽能電池，基于光吸收有機分子與半導體聚合物相結合。

OPV由廉價的輕質材料制成，并且具有良好的安全性和易于生產的優(yōu)點。然而，它們的功率轉換效率(PCE) - 將光轉換成電能的能力 - 仍然太低而無法實現全面商業(yè)化。

PCE取決于有機層和聚合物層。傳統(tǒng)上，化學家通過反復試驗嘗試了不同的組合，導致大量浪費的時間和精力。

現在，大阪大學的一個研究小組利用計算機能力自動尋找匹配良好的太陽能材料。將來，這可能會導致設備效率大大提高。該研究報告發(fā)表在“物理化學快報”上。

研究第一作者Shinji Nagasawa解釋說：“聚合物的選擇會影響直接決定PCE的幾種性質，如短路電流。” “然而，設計具有改進性能的聚合物并不容易。傳統(tǒng)的化學知識還不夠。相反，我們使用人工智能來指導設計過程。”

通過檢測人類專家無法實現的統(tǒng)計趨勢，信息學可以理解大型復雜數據集。該團隊從大約500項研究中收集了1,200種OPV的數據。他們使用隨機森林機器學習，建立了一個模型，結合了這些先前OPV的帶隙，分子量和化學結構，以及它們的PCE，來預測潛在新設備的效率。

隨機森林揭示了材料特性與其在OPV中的實際性能之間的相關性得到了改善。為了利用這一點，該模型用于自動“篩選”預期聚合物的理論PCE。然后根據化學直覺對最佳候選人名單進行削減，以確定在實踐中可以合成的內容。

這一戰(zhàn)略促使該團隊開發(fā)了一種新的，以前未經測試的聚合物。在這種情況下，基于第一次嘗試的實際OPV證明效率低于預期。但是，該模型提供了有關結構 - 屬性關系的有用見解。通過包含更多數據，例如聚合物在水中的溶解度或其骨架的規(guī)律性，可以改善其預測。

“機器學習可以極大地促進太陽能電池的發(fā)展，因為它可以即時預測實驗室需要數月的結果，”共同作者Akinori Saeki說。“這不是人類因素的直接替代品 - 但當分子設計師必須選擇探索哪種途徑時，它可以提供至關重要的支持。”