大阪大學(xué)的研究人員利用機器學(xué)習來(lái)設計和虛擬測試有機太陽(yáng)能電池的分子，這可以為可再生能源應用帶來(lái)更高效率的功能材料。
大阪大學(xué)的研究人員利用機器學(xué)習設計了用于光伏設備的新型聚合物。在虛擬篩選了20多萬(wàn)種候選材料后，他們合成了一種最有前途的材料，并發(fā)現其性能與他們的預測一致。這項工作可能會(huì )導致功能材料發(fā)現方式的革命。
機器學(xué)習是一種強大的工具，只要提供足夠的實(shí)例數據，計算機就可以對即使是復雜的情況進(jìn)行預測。這對于材料科學(xué)中的復雜問(wèn)題尤其有用，例如設計有機太陽(yáng)能電池的分子，這可能取決于大量的因素和未知的分子結構。人類(lèi)需要花費數年的時(shí)間來(lái)篩選數據以找到潛在的模式，甚至需要更長(cháng)的時(shí)間來(lái)測試組成有機太陽(yáng)能電池所有可能的供體聚合物和受體分子的候選組合。因此，提高太陽(yáng)能電池的效率以在可再生能源領(lǐng)域具有競爭力的進(jìn)展一直很緩慢。
現在，大阪大學(xué)的研究人員利用機器學(xué)習，基于用之前發(fā)表的實(shí)驗研究數據訓練算法，篩選了數十萬(wàn)個(gè)供體和受體對。嘗試了382個(gè)供體分子和526個(gè)受體分子的所有可能的組合，結果有200932對通過(guò)能量轉換效率虛擬測試。
為了驗證這種方法，研究人員在實(shí)驗室里合成了一種預測效率很高的聚合物，并進(jìn)行了測試。發(fā)現其特性與預測相符，這讓研究人員對他們的方法更有信心。這個(gè)項目不僅可以促進(jìn)高效有機太陽(yáng)能電池的發(fā)展，還可以適應其他功能材料的材料信息學(xué)。我們可能會(huì )看到這種類(lèi)型的機器學(xué)習，即一個(gè)算法可以根據機器學(xué)習的預測快速篩選數千甚至數百萬(wàn)個(gè)候選分子，并應用于其他領(lǐng)域，如催化劑和功能性聚合物。
