有機太陽能電池的聚合物組合方式有千百種，如何找到最適合材料，為當前科學家絞盡腦汁想得出的成果，近日日本科學家試圖通過人工智能技術(shù)減少搜索材料時間，幫助有機太陽能踏進商業(yè)化門檻。

有機太陽能電池具有可撓與低成本優(yōu)勢，利用導(dǎo)電聚合物或小分子吸收光并轉(zhuǎn)移電荷，只要少量有機物就可吸收大量的光。其制造方式也較簡單，可采用低價材料和簡易印刷技術(shù)制程，可以說是太陽能光伏發(fā)電產(chǎn)業(yè)的明日之星。

然而目前有機太陽能電池的光電轉(zhuǎn)換效率太低、處在11%~12%之間，距離商業(yè)化標準15%還有一段距離，科學家也還沒找到最適合的聚合物材料，因此有機太陽能還無法達到商業(yè)化。日本大阪大學工學院準教授長澤慎司(ShinjiNagasawa)表示，聚合物與有機太陽能電池的短路電流(short-circuitcurrent)有關(guān)，會大大影響太陽能板的光電轉(zhuǎn)換效率。 但聚合物由受體單元、予體單元、隔片、烷基鏈組成，研究員佐伯昭紀(AkinoriSaeki)補充，假設(shè)每個單元有20種選擇，排列組合數(shù)會超過100萬。且由于轉(zhuǎn)換效率是綜合各個復(fù)雜因素的結(jié)果，牽涉到薄膜形態(tài)、p型和n型半導(dǎo)體界面與材料溶解度，即使利用量子化學計算也無法預(yù)測太陽能電池效率。

如果要一一測試將會消耗大量時間，因此研究員想通過人工智能來提高搜尋效率。

為減少計算機篩選數(shù)量，研究團隊先從約500項研究中收集了1,200份有機太陽能數(shù)據(jù)，再用機器學習算法“隨機森林(RandomForest)”建構(gòu)了一組模型，其中結(jié)合有機太陽能的能隙、分子量、化學結(jié)構(gòu)、轉(zhuǎn)換效率與電子特性資料，能預(yù)測潛力設(shè)備的理論轉(zhuǎn)換效率。

“隨機森林”可找出材料性能與有機太陽能實際效率的相關(guān)性，團隊則善加利用這一優(yōu)勢，將模型用來篩選新型聚合物的理論轉(zhuǎn)換效率，并成功找出一種先前從未測試的聚合物。

雖然實際測試之后結(jié)果不如預(yù)期，但該模型在材料結(jié)構(gòu)與性質(zhì)提供許多有用的見解。研究員認為，只要加入更多的資料，象是聚合物在水中的溶解度等，就可以進一步提高模型實用性。

佐伯昭紀表示，該模型并不完美，準確度僅20%~50%。不過機器學習能夠?qū)崟r預(yù)測實驗室需要數(shù)月才能得到的結(jié)果，可大大提升太陽能電池開發(fā)速度。顯然這項機器學習技術(shù)還不能無法完全取代人，但仍可為分子設(shè)計師提供關(guān)鍵材料選項、分擔工作量，目前研究已發(fā)表在《TheJournalofPhysicalChemistryLetters》。