利用人工智能更快地获得更好的光伏材料
被认为是传统硅基的灵活且可持续的替代品太阳能电池。在几周内，研究人员发现了新的有机物质分子可用于提高钙钛矿太阳能电池的效率。该国际团队包括赫尔姆霍兹埃尔兰根-纽伦堡可再生能源研究所 (HIERN) 的科学家，该研究所是于利希研究中心的分支机构。科学家们巧妙地将人工智能与全自动结合起来高通量合成。制定的策略可以转移到材料研究的其他领域，例如寻找新的电池材料。研究工作成果发表在期刊上科学。
如果你想找到使钙钛矿太阳能电池作为正电荷导体特别有效的一百万个分子，你必须生产并测试这百万个分子，或者像来自纳米技术研究所的终身教授 Pascal Friederich 领导的研究人员一样继续进行。KIT 和 HI ERN 的 Christoph Brabec 教授已经做到了。“仅通过 150 次有针对性的实验，就实现了一项突破，否则需要数十万次测试。开发的工作流程为在各种应用领域快速且经济高效地发现高性能材料开辟了新的可能性。”布拉贝克说。利用以这种方式发现的一种材料，他们将参考太阳能电池的效率提高了约 2% 至 26.2%。“这一成功表明，在开发新能源材料时，明智的策略可以节省大量时间和资源，”弗里德里希说。
HI ERN 的起点是一个数据库，其中包含大约一百万个虚拟分子的结构式，这些虚拟分子可以从市售物质中生产出来。卡尔斯鲁厄理工学院的研究人员使用既定的量子力学方法计算了 13,000 个随机选择的虚拟分子的能级、极性、几何形状和其他特征。
仅使用 101 个分子的数据进行 AI 训练
然后，研究人员从这 13,000 个分子中选择了 101 个特性尽可能不同的分子。这些是在 HI ERN 机器人系统的帮助下自动生产的，并用于制造其他方面相同的太阳能电池。然后他们测量了他们的效率。“得益于我们高度自动化的合成平台，我们生产出真正可比的样品，从而确定了可靠的效率值，这对于我们战略的成功至关重要，”HI ERN 的这项工作负责人 Christoph Brabec 说道。
卡尔斯鲁厄理工学院的研究人员利用获得的效率值和相关分子的特征来训练人工智能模型。然后，该模型根据两个标准建议另外合成 48 个分子：预期的高效率和不可预测的特性。“如果机器学习模型对于预测效率不确定，那么就值得生产分子来更详细地研究它，”帕斯卡·弗里德里希在解释第二个标准时说道。“它的高效率可能会让我们感到惊讶。”
事实上，人工智能提出的分子可用于制造效率高于平均水平的太阳能电池，包括那些优于其他最先进材料的太阳能电池。“我们不能确定我们是否真的找到了一百万个分子中最好的，但我们肯定接近最佳值，”弗里德里希说。
人工智能与化学直觉
研究人员可以在一定程度上遵循人工智能的分子建议，因为所使用的人工智能表明虚拟分子的哪些特征对其建议起决定性作用。事实证明，人工智能的建议也部分基于化学家以前较少关注的特征，例如某些化学基团（如胺）的存在。
Christoph Brabec 和 Pascal Friederich 坚信，他们的策略对于其他应用领域的材料研究也很有前景，或者可以扩展到整个组件的优化。
该研究成果是与埃尔兰根-纽伦堡大学、韩国蔚山国立科学研究所、中国厦门大学和中国成都电子科技大学的研究人员合作获得的，最近发表在《杂志《科学》。
关于《利用人工智能更快地获得更好的光伏材料》的评论
暂无评论