加速有機太陽能電池進展,日本用 AI 尋找聚合物材料

作者 | 發布日期 2018 年 06 月 28 日 16:00 | 分類 AI 人工智慧 , 材料 , 軟體、系統 follow us in feedly

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挑戰,因此日本科學家想透過人工智慧技術減少搜尋材料時間,幫助有機太陽能踏進商業化門檻。



有機太陽能電池具有可撓與低成本優勢,利用導電聚合物或小分子吸收光並轉移電荷,只要少量有機物就可吸收大量的光。其製造方式也較簡單,可採用低價材料和簡易印刷技術製程,可說是太陽光電產業的明日之星。

然而目前有機太陽能電池的光電轉換效率太低、處在 11%~12% 之間,距離商業化標準 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化。日本大阪大學工學院準教授長澤慎司(Shinji Nagasawa)表示,聚合物與有機太陽能電池的短路電流(short-circuit current)有關,會大大影響太陽能板的光電轉換效率。

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(Akinori Saeki)補充,假設每個單元有 20 種選擇,排列組合數會超過 100 萬。且由於轉換效率是綜合各個複雜因素的結果,牽涉到薄膜形態、p 型和 n 型半導體界面與材料溶解度,即使利用量子化學計算也無法預測太陽能電池效率。

如果要一一測試又會消耗大量時間,因此研究員想透過人工智慧來提高搜尋效率。

(Source:大阪大學

為減少電腦篩選數量,研究團隊先從約 500 項研究中收集 1,200 份有機太陽能數據,再用機器學習演算法「隨機森林」(Random Forest)建構一組模型,其中結合有機太陽能的能隙、分子量、化學結構、轉換效率與電子特性資料,能預測潛力設備的理論轉換效率。

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

雖然實際測試之後結果不如預期,但該模型在材料結構與性質提供許多有用的見解。研究員認為,只要加入更多的資料,像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,該模型並不完美,準確度僅 20%~50%。不過機器學習能夠即時預測實驗室需要數月才能得到的結果,可大大提升太陽能電池開發速度。顯然這項機器學習技術還不能無法取代完全人,但仍可為分子設計師提供關鍵材料選項、分擔工作量,目前研究已發表在《The Journal of Physical Chemistry Letters》。

(本文由 EnergyTrend 授權轉載;首圖來源:Flickr/Katy Warner CC BY 2.0)