大阪大學的研究人員利用機器學習來設(shè)計和虛擬測試有機太陽能電池的分子便浮，這可以為可再生能源應(yīng)用帶來更高效率的功能材料峰遇。

大阪大學的研究人員利用機器學習設(shè)計了用于光伏設(shè)備的新型聚合物笙亿。在虛擬篩選了20多萬種候選材料后勤晚，他們合成了一種最有前途的材料，并發(fā)現(xiàn)其性能與他們的預(yù)測一致镐作。這項工作可能會導(dǎo)致功能材料發(fā)現(xiàn)方式的革命编饺。

機器學習是一種強大的工具，只要提供足夠的實例數(shù)據(jù)厅篓，計算機就可以對即使是復(fù)雜的情況進行預(yù)測秀存。這對于材料科學中的復(fù)雜問題尤其有用，例如設(shè)計有機太陽能電池的分子羽氮，這可能取決于大量的因素和未知的分子結(jié)構(gòu)或链。人類需要花費數(shù)年的時間來篩選數(shù)據(jù)以找到潛在的模式惫恼，甚至需要更長的時間來測試組成有機太陽能電池所有可能的供體聚合物和受體分子的候選組合。因此嚎衡，提高太陽能電池的效率以在可再生能源領(lǐng)域具有競爭力的進展一直很緩慢垃燃。

現(xiàn)在，大阪大學的研究人員利用機器學習袭仲，基于用之前發(fā)表的實驗研究數(shù)據(jù)訓練算法池膜，篩選了數(shù)十萬個供體和受體對。嘗試了382個供體分子和526個受體分子的所有可能的組合箭基，結(jié)果有200932對通過能量轉(zhuǎn)換效率虛擬測試盘称。

為了驗證這種方法，研究人員在實驗室里合成了一種預(yù)測效率很高的聚合物芭甚，并進行了測試兔阿。發(fā)現(xiàn)其特性與預(yù)測相符，這讓研究人員對他們的方法更有信心少煮。這個項目不僅可以促進高效有機太陽能電池的發(fā)展蜕逾，還可以適應(yīng)其他功能材料的材料信息學。我們可能會看到這種類型的機器學習竿丙，即一個算法可以根據(jù)機器學習的預(yù)測快速篩選數(shù)千甚至數(shù)百萬個候選分子挑庶，并應(yīng)用于其他領(lǐng)域，如催化劑和功能性聚合物软能。