基于碳醇的捐赠物的机器学习-高斯过程选,用于设计光伏应用的高效有机聚合物
Hussein A K Kyhoiesh1, Ashraf Y Elnaggar2, Mustafa Al-Khafaji3
1National University of Science and Technology, Nasiriyah, Dhi Qar, 64001, Iraq; Republic of Iraq Ministry of Education, General Directorate of Education in Al-Muthanna, Samawah, Al-Muthanna, Iraq.
科学家使用机器学习 (ML) 发现有机光伏 (OPV) 的新型碳素基材料. 这加快了发现高效,可持续的太阳能材料以提高设备性能.
科学领域:
- 材料科学
- 可再生能源
- 计算化学
背景情况:
- 工业化推动了对化石燃料的依赖, 威胁自然资源和环境.
- 开发高效的有机光伏材料对于可持续的能源解决方案至关重要.
- 在OPV中,碳醇衍生物是有前途的捐赠材料.
研究的目的:
- 采用机器学习 (ML) 辅助的方法来识别最佳的基于碳素的供体材料.
- 通过增加其开放电路电压 (Voc) 来提高有机光伏的效率.
- 加速发现和设计新的有机太阳能材料.
主要方法:
- 编辑了来自文献的592种碳醇衍生有机化合物的广泛数据集.
- 利用ML计算和分析这些化合物的开通电路电压 (Voc).
- 根据高Voc值确定了表现最佳的捐赠材料.
主要成果:
- 成功识别了具有高Voc的最佳碳素基捐赠材料.
- 使用已识别的捐赠者设计新的基于TIC的聚合物.
- 显示了由此产生的光伏设备的显著增强.
结论:
- 机器学习显著加速有机太阳能材料的发现和优化.
- 开发的方法为更加可持续和有效的光伏技术铺平了道路.
- 基于碳醇的材料是高性能OPV的有希望的候选材料.
更多相关视频
11:44Using Cyclic Voltammetry, UV-Vis-NIR, and EPR Spectroelectrochemistry to Analyze Organic Compounds
Published on: October 18, 2018
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
Ziegler–Natta Chain-Growth Polymerization: Overview
Classification and Mechanical Properties of Synthetic Polymers
