机器学习巧妙设计空穴传输层-钙钛矿太阳能电池 | Science

文章预览

针对高复杂度的特定光电器件定制有机分子的逆向设计具有巨大的潜力，但尚未实现。当前的模型依赖于专门研究领域通常不存在的大型数据集。 韩国蔚山科学技术院Sang Il Seok 、厦门大学王露遥、卡尔斯鲁厄理工学院Pascal Friederich和亥姆霍兹埃尔朗根-纽伦堡可再生能源研究所Christoph J. Brabec等人 演示了一个闭环工作流程，该工作流程结合了有机半导体的高通量合成来创建大型数据集和贝叶斯优化，以发现具有适合太阳能电池应用的定制特性的新型空穴传输材料。预测模型基于分子描述符，使我们能够将这些材料的结构与其性能联系起来。 从最少的建议中确定了一系列高性能分子，并在钙钛矿太阳能电池中实现了高达 26.2%（认证为 25.9%）的功率转换效率。 图 1. 方法概述 图 2. 初始库的生成 图 3. 基于实验数据和计算机描述符的模型训练 图 4. 模型 ………………………………