研究人员用机器学习来进行几乎无限的太阳能电 - 太阳能学报杂志社投稿

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

研究人员用机器学习来进行几乎无限的太阳能电

作者:

关键词:

摘要：

本文转自【】；

大阪大学的研究人员利用机器学习来设计和虚拟测试有机太阳能电池的分子，这可以为可再生能源应用带来更高效率的功能材料。

大阪大学的研究人员利用机器学习设计了用于光伏设备的新型聚合物。在虚拟筛选了20多万种候选材料后，他们合成了一种最有前途的材料，并发现其性能与他们的预测一致。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，只要提供足够的实例数据，计算机就可以对即使是复杂的情况进行预测。这对于材料科学中的复杂问题尤其有用，例如设计有机太阳能电池的分子，这可能取决于大量的因素和未知的分子结构。人类需要花费数年的时间来筛选数据以找到潜在的模式，甚至需要更长的时间来测试组成有机太阳能电池所有可能的供体聚合物和受体分子的候选组合。因此，提高太阳能电池的效率以在可再生能源领域具有竞争力的进展一直很缓慢。

现在，大阪大学的研究人员利用机器学习，基于用之前发表的实验研究数据训练算法，筛选了数十万个供体和受体对。尝试了382个供体分子和526个受体分子的所有可能的组合，结果有对通过能量转换效率虚拟测试。

为了验证这种方法，研究人员在实验室里合成了一种预测效率很高的聚合物，并进行了测试。发现其特性与预测相符，这让研究人员对他们的方法更有信心。这个项目不仅可以促进高效有机太阳能电池的发展，还可以适应其他功能材料的材料信息学。我们可能会看到这种类型的机器学习，即一个算法可以根据机器学习的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，如催化剂和功能性聚合物。

文章来源：《太阳能学报》网址: http://www.tynxbzz.cn/zonghexinwen/2021/0316/752.html