有机太阳能电池的聚合物组合方式有千百种,如何找到最适合材料,为当前科学家绞尽脑汁想得出的成果,近日日本科学家试图通过人工智能技术减少搜索材料时间,帮助有机太阳能踏进商业化门槛。
目前有机太阳能电池的光电转换效率太低、处在11%~12%之间,距离商业化标准15%还有一段距离,科学家也还没找到最适合的聚合物材料,因此有机太阳能还无法达到商业化。日本大阪大学工学院准教授长泽慎司(ShinjiNagasawa)表示,聚合物与有机太阳能电池的短路电流(short-circuitcurrent)有关,会大大影响太阳能板的光电转换效率。
但聚合物由受体单元、予体单元、隔片、烷基链组成,研究员佐伯昭纪(AkinoriSaeki)补充,假设每个单元有20种选择,排列组合数会超过100万。且由于转换效率是综合各个复杂因素的结果,牵涉到薄膜形态、p型和n型半导体界面与材料溶解度,即使利用量子化学计算也无法预测太阳能电池效率。
如果要一一测试将会消耗大量时间,因此研究员想通过人工智能来提高搜寻效率。
为减少计算机筛选数量,研究团队先从约500项研究中收集了1,200份有机太阳能数据,再用机器学习算法“随机森林(RandomForest)”建构了一组模型,其中结合有机太阳能的能隙、分子量、化学结构、转换效率与电子特性资料,能预测潜力设备的理论转换效率。
“随机森林”可找出材料性能与有机太阳能实际效率的相关性,团队则善加利用这一优势,将模型用来筛选新型聚合物的理论转换效率,并成功找出一种先前从未测试的聚合物。
虽然实际测试之后结果不如预期,但该模型在材料结构与性质提供许多有用的见解。研究员认为,只要加入更多的资料,象是聚合物在水中的溶解度等,就可以进一步提高模型实用性。
佐伯昭纪表示,该模型并不完美,准确度仅20%~50%。不过机器学习能够实时预测实验室需要数月才能得到的结果,可大大提升太阳能电池开发速度。显然这项机器学习技术还不能无法完全取代人,但仍可为分子设计师提供关键材料选项、分担工作量,目前研究已发表在《The Journal of Physical Chemistry Letters》。
- 西安交大张彦峰教授团队《Chem & Bio Eng.》封面:用于模量可视化和防伪应用的可按需调制的3D打印室温磷光聚合物材料 2024-03-17
- 港中文(深圳)唐本忠院士/深大熊玉助理教授 AFM:具有宽范围颜色可调性和持久近红外发光特性的长余辉发光聚合物材料 2023-12-15
- 上海交大俞炜教授、金发黄险波、李本科博士 JoR/SM:短玻纤填充聚合物材料在狭窄流道和薄壁加工的流变机理研究 2023-11-10
- 贵州大学谢海波教授、谢远鹏特聘教授团队 AFM:用于柔性可持续有机光伏的生物基热固性基底 2024-03-17
- 东华大学陈义旺/胡华伟课题组 Angew:通过侧链氟功能化控制分子间相互作用实现19%有机太阳能电池 2024-02-13
- 江西师范大学陈义旺/廖勋凡教授团队 AM:静电相互作用对高效准平面异质结有机太阳能电池垂直相分离形貌和能量损失的影响研究 2024-02-01