日本大阪大學使用人工智能設計新型太陽能材料

　　為了更快地尋找匹配良好的太陽能材料，日本大阪大學的科學家們應用隨機森林法進行篩選，這是一種能夠設計、合成和表征聚合物的機器學習技術，能夠促進有機太陽能光伏（OPV）光電子材料的快速發展。

　　來自大阪大學的科學家們從大約500項研究中收集了1200份有機太陽能光伏的數據。利用隨機森林機器學習法，他們建立了一個結合這些有機太陽能光伏的帶隙、分子量和化學結構的模型，以及它們的功率轉換效率以預測潛在器件的效率。

使用材料信息學探索用于聚合物太陽能電池的新聚合物。由電子供體、電子受體和烷基鏈組成的聚合物結構的例子（上圖）。按隨機森林方法分類（中圖）。材料信息學、實踐實驗和人類智能（圖下方）的協同合作。圖片來源：大阪大學。

　　隨即森林法發現了材料性能與有機太陽能光伏中的實際性能之間的相關性。為了利用這一點，該模型被用于自動“篩選”新型聚合物的理論功率轉換效率。基于吸收有機分子與半導體聚合物結合的一類有機太陽能光伏的價格便宜、重量輕、安全且易于生產的。但是，有機太陽能光伏的功率轉換效率對于全面商業化而言仍然太低。

　　研究人員Shinji Nagasawa說：“聚合物的選擇會影響幾種性質，如短路電流將直接決定功率轉換效率。但是，沒有簡單的方法能夠設計改進性能的聚合物。傳統的化學知識是不夠的，相反我們使用人工智能來指導設計過程。”

聚合物太陽能電池中的光電轉換和活性材料的化學結構。圖片來源：大阪大學。

　　通過隨機森林法篩選獲得的信息使日本研究團隊創造了一種以前未經測試的聚合物。雖然基于這種聚合物的有機太陽能光伏被證明其效率低于預期，但該模型為結構與性質關系提供了有用的信息。研究人員認為，通過納入更多的數據，如聚合物在水中的溶解度，將提高模型的實用性。

　　教授Akinori Saeki表示：“機器學習能夠極大地加速太陽能電池的開發，因為它能夠即時預測實驗室需要數月才能得到的結果，它不是人為因素的直接替代品，但它可以為分子設計師提供關鍵支持。”

　　該研究發表于The Journal of Physical Chemistry Letters（doi：10.1021 / acs.jpclett.8b00635）。