暨大ACS AMI：通过改进的机器学习策略筛选功能小分子以实现高效全无机钙钛矿太阳能电池

文章预览

有机小分子被证明能够钝化无机钙钛矿太阳能电池中的体/界面缺陷。考虑到筛选功能性小分子的繁琐 情况， 暨南大学李闻哲和范建东等人 采 用改进的机器学习（ML）策略，通过三种改进的机器学习（ML）算法构建预测模型来指导筛选合适的小分子以获得高效太阳能电池：（i）随机森林算法（RF )、(ii) 支持向量机算法 (SVR) 和 (iii) XGBoost。 其中，XGBoost算法表现出更好的整体预测性能，R 2 指数达到0.939。据此，选择了8种小分子对钙钛矿薄膜进行界面改性，理论和实验结果均证明，在含有苯环等官能团的小分子中，添加氟原子的二氟苄胺具有更好的界面改性效果。氨基。 修改后的机器学习模型的高精度使我们能够简化小分子筛选过程，并为钙钛矿太阳能电池和其他光电器件的持续发展迈出重要一步。 Kunlun Jiang, et. al.,  Screening of Functional Small Molecules vi ………………………………