有機太陽(yáng)能電池具有可撓與低成本優(yōu)勢，利用導電聚合物或小分子吸收光并轉移電荷，只要少量有機物就可吸收大量的光。其制造方式也較簡(jiǎn)單，可采用低價(jià)材料和簡(jiǎn)易印刷技術(shù)制程，可以說(shuō)是太陽(yáng)能光伏發(fā)電產(chǎn)業(yè)的明日之星。
然而目前有機太陽(yáng)能電池的光電轉換效率太低、處在11%~12%之間，距離商業(yè)化標準15%還有一段距離，科學(xué)家也還沒(méi)找到最適合的聚合物材料，因此有機太陽(yáng)能還無(wú)法達到商業(yè)化。日本大阪大學(xué)工學(xué)院準教授長(cháng)澤慎司（ShinjiNagasawa）表示，聚合物與有機太陽(yáng)能電池的短路電流（short-circuitcurrent）有關(guān)，會(huì )大大影響太陽(yáng)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（AkinoriSaeki）補充，假設每個(gè)單元有20種選擇，排列組合數會(huì )超過(guò)100萬(wàn)。且由于轉換效率是綜合各個(gè)復雜因素的結果，牽涉到薄膜形態(tài)、p型和n型半導體界面與材料溶解度，即使利用量子化學(xué)計算也無(wú)法預測太陽(yáng)能電池效率。
如果要一一測試將會(huì )消耗大量時(shí)間，因此研究員想通過(guò)人工智能來(lái)提高搜尋效率。
為減少計算機篩選數量，研究團隊先從約500項研究中收集了1,200份有機太陽(yáng)能數據，再用機器學(xué)習算法“隨機森林（RandomForest）”建構了一組模型，其中結合有機太陽(yáng)能的能隙、分子量、化學(xué)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(yáng)能實(shí)際效率的相關(guān)性，團隊則善加利用這一優(yōu)勢，將模型用來(lái)篩選新型聚合物的理論轉換效率，并成功找出一種先前從未測試的聚合物。
雖然實(shí)際測試之后結果不如預期，但該模型在材料結構與性質(zhì)提供許多有用的見(jiàn)解。研究員認為，只要加入更多的資料，象是聚合物在水中的溶解度等，就可以進(jìn)一步提高模型實(shí)用性。
佐伯昭紀表示，該模型并不完美，準確度僅20%~50%。不過(guò)機器學(xué)習能夠實(shí)時(shí)預測實(shí)驗室需要數月才能得到的結果，可大大提升太陽(yáng)能電池開(kāi)發(fā)速度。顯然這項機器學(xué)習技術(shù)還不能無(wú)法完全取代人，但仍可為分子設計師提供關(guān)鍵材料選項、分擔工作量，目前研究已發(fā)表在《TheJournalofPhysicalChemistryLetters》。
