聚合物富勒烯有机太阳能电池的性能预测和新聚合物的数据挖掘辅助设计
Fei Xiao1, Muhammad Saqib2, Soha Razzaq3
1College of Computer Science, Huanggang Normal University, Huanggang, 438000, Hubei, China.
机器学习和相似性分析被用来选和设计有机太阳能电池 (OSC) 的新聚合物材料. 这种方法确定了具有高功率转换效率 (PCE) 的新型单体,为材料发现提供了具有成本效益的方法.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 可再生能源可再生能源是可再生能源.
背景情况:
- 开发高性能聚合物材料对于提高有机太阳能电池 (OSC) 的形态,稳定性和效率至关重要.
- 机器学习 (ML) 为复杂的问题解决提供了强大的工具,帮助研究人员进行选,绘图和开发先进材料.
- 定量结构-活性关系 (QSAR) 模型对于基于其分子结构的材料性能预测至关重要.
研究的目的:
- 应用机器学习和相似性分析来选现有数据,并为OSCs设计新型聚合物受体材料.
- 确定影响聚合物材料功率转换效率 (PCE) 的关键分子描述因素.
- 使用成本和时间高效的方法设计和预测新聚合物单体的PCE.
主要方法:
- 从报告的研究和在线数据库收集的数据用于ML分析.
- 使用Dragon软件生成了大约3000个分子描述符,并进行了单变量回归分析以确定关键描述符.
- 开发了回归模型 (随机森林,包装回归器),并使用RDKit对GDB17数据库进行相似性分析.
主要成果:
- 确定了影响聚合物材料PCE的关键分子描述因素.
- 根据GDB17化学数据库的相似性分析设计了新的聚合物受体材料.
- 预测的PCE为100个独特和有效的单体,其中4个显示PCE超过14%.
结论:
- 开发的基于机器学习的方法提供了一个有效的方法来选和设计用于OSCs的新型聚合物.
- 与ML结合的相似性分析有效地识别出有前途的单体候选物,而无需进行广泛的实验验证.
- 鉴定出的高性能单体表明了推进OSC技术的潜力.
更多相关视频
08:29Morphology Control for Fully Printable Organic–Inorganic Bulk-heterojunction Solar Cells Based on a Ti-alkoxide and Semiconducting Polymer
Published on: January 10, 2017
06:49In situ Grazing Incidence Small Angle X-ray Scattering on Roll-To-Roll Coating of Organic Solar Cells with Laboratory X-ray Instrumentation
Published on: March 2, 2021
相关概念视频
Polymers: Molecular Weight Distribution
Cationic Chain-Growth Polymerization: Mechanism
Ziegler–Natta Chain-Growth Polymerization: Overview
Classification and Mechanical Properties of Synthetic Polymers
