设计和预测基于imidazole的有机染料在染料敏感的太阳能电池中的潜力,使用指纹机器学习,并由web应用程序支持

科学领域:

• 材料科学 材料科学 材料科学
• 计算化学的计算化学
• 可再生能源可再生能源是可再生能源.

背景情况:

• 开发高效的有机染料对于推进染料敏感太阳能电池 (Dye-Sensitized Solar Cells,DSSCs) 的发展至关重要.
• 传统的对潜在染料候选人的实验选是耗时且资源密集的.
• 基于伊米达的有机染料有可能提高DSSC的性能.

研究的目的:

• 开发和验证一种机器学习 (ML) 方法,用于预测基于伊米达的有机染料的光伏性能.
• 加速为DSSCs发现新型,高性能有机染料.
• 为研究人员提供一个用户友好的网络应用程序,用于预测染料性能.

主要方法:

• 使用RDKit库进行分子指纹生成 (MACCS,Avalon,Daylight,Pharmacophore,Morgan).使用RDKit库进行分子指纹生成.
• 通过各种交叉验证策略评估了超过20个ML算法.
• 开发了一个使用日光指纹的深度神经网络 (MLPRegressor) 模型,实现了高精度.
• 选了5000万个SMILES结构以确定有前途的伊米达衍生物.
• 执行DFT计算以验证ML预测和分析电子属性.

主要成果:

• 基于日光指纹的MLPRegressor模型展示了显著的预测准确性和低的错误率.
• 确定了新的伊米达和含衍生物作为DSSC的有效供体群.
• 在MK2染料结构中用ML识别的衍生物取代捐赠组,功率转换效率 (PCE) 从7.70%提高到11.49%.
• DFT的计算证实了新染料的振荡器强度和电荷转移特性得到了增强.

结论:

• 基于ML的方法有效地加速了为DSSCs发现高性能有机染料的发现.
• 已识别的伊米达衍生物代表了开发下一代太阳能电池材料的有希望的途径.
• 开发的网络应用程序为研究人员提供了一种有价值的工具,以指导染料设计并加速太阳能转换方面的创新.