基于944种材料数据，日本东北大学联合MIT发布GNNOpt模型，成功识别数百种太阳能电池和量子候选材料

文章预览

作者：李姝 编辑：李宝珠 日本东北大学和 MIT 的研究人员推出了一种基于图神经网络 (GNN) 的 GNNOpt 模型，成功识别出 246 种超过 32% 太阳能转换效率的材料，以及 296 种具有高量子权重的量子材料，极大地加速了能源和量子材料的发现。 LED、太阳能电池、光电探测器和光子集成电路 (PIC) 等光电设备是现代通信、照明和能源转换技术的核心。 这些设备的性能和效率在很大程度上取决于材料的光学特性，因此，深入理解这些特性对于推动技术进步和满足日益增长的科学及工业需求至关重要。为了应对这一挑战，实验和计算领域的研究人员通过积极开展高通量筛选工作，以寻找和开发具有定制光学特性的新型材料。 然而传统的获取材料光学特性的实验技术，如椭偏仪、紫外-可见光谱仪和傅立叶变换红外光谱仪 (FTIR)，虽然能够提供精确的测量结果，但它 ………………………………