近日，日本大阪大学的团队利用计算机的强大能力，在机器学习算法的帮助下，自动化搜索匹配的太阳能电池材料。未来，这项研究将有助于大幅提升太阳能电池的效率。
背景
太阳能，属于一种典型的可再生能源，具有清洁环保、可再生、易获取、低成本等众多优点，受到了科学界与产业界的广泛重视。时下，有关太阳能的前沿创新技术不断涌现，笔者之前也介绍过许多有关太阳能的创新成果，这里就不一一列举了。
（图片来源：维基百科）
在太阳能技术中，太阳能电池扮演着非常关键的角色。有机光伏电池（OPV）是一种很有前景的太阳能电池，它主要是依靠一种吸收光线的有机分子与一种半导体聚合物的结合。
有机光伏电池由廉价且轻量的材料制成，并具有安全性好以及容易生产的优点。可是，它们的能量转换效率（PCE），也就是将光线转化为电力的能力，还是远远无法满足全面商业化的要求。
能量转换效率既取决于有机层，也取决于聚合物层。传统的做法是，化学家们会对这些不同的组合反复进行实验，但是这样会浪费大量的时间与精力。
创新
近日，日本大阪大学的团队利用计算机的强大能力，在机器学习算法的帮助下，自动化搜索匹配的太阳能材料。未来，这项研究将有助于大幅提升太阳能电池的效率。相关论文发表于《The Journal of Physical Chemistry Letters》杂志。
（图片来源：参考资料【2】）
技术
论文第一作者 Shinji Nagasawa 表示：“聚合物的选择会影响一些特性，例如短路电流，它将直接决定能量转换效率。然而，目前还没找到一种简单的方法设计出性能得到改善的聚合物。传统的化学知识还是不够，取而代之的是，我们采用人工智能来指导设计过程。”
采用人工智能的方法甄选材料，这并非是首次。笔者之前介绍过两个典型的例子，这里带顺便带大家回顾一下。
1）美国西北大学和洛斯阿拉莫斯国家实验室的科研人员开发出一种新型方案，它结合了机器学习和密度泛函理论计算，成为具有铁电性和压电性等特殊电子特性的新材料的设计指南。
(图片来源：美国西北大学)
2）美国斯坦福大学的研究人员在寻找固体电解质材料的过程中，并不是通过随机测试个别化合物的方法，而是采用了人工智能和机器学习，通过实验数据构造预测模型。
让我们再回到今天介绍的案例中。信息学，可以发现人类专家无法搞清楚的统计趋势，从而理解复杂的大型数据集。在大约500项研究中，团队采集了1200个有机光伏电池上的数据。他们采用“随机森林”机器学习算法构建出一个模型，模型结合了之前这些有机光伏电池的带隙、分子重量、化学结构以及它们的能量转换效率，预测潜在的新型设备的效率。
下图所示：聚合物太阳能电池中的光电转换和活性材料的化学结构。
（图片来源：大阪大学）
随机森林揭示出材料特性与它们在有机光伏电池中实际性能之间改善的相关性。为了利用这种相关性，模型可根据它们理论的能量转换效率自动“筛选”有前景的聚合物。然后基于对于那些可以实际人工合成的材料的化学直觉力，筛选出最佳的候选材料。
下图所示：采用材料信息学为聚合物太阳能电池探索新的聚合物。（上）由电子给体、电子受体和烷基链组成的聚合物结构示例。（中）随机森林法进行分类。（下）材料信息学、实际实验和人工智能的协同合作。
（图片来源：大阪大学）
这种策略引导团队创造出一种之前未经测试的新型聚合物。实际情况是，一种基于这种首次尝试的实用的聚合物有机光伏电池，比期望的效率要低。然而，模型为结构与特性之间的关系提供了有价值的见解。如果包含更多的数据，例如聚合物在水中的溶解性或者主链的规则性，将改善预期效果。
下图所示：采用随机森林法筛选烷基链的示例
（图片来源：大阪大学）
价值
论文作者 Akinori Saeki 表示：“机器学习将显著加速太阳能电池的开发，因为它可以瞬间预测出结果，而在实验室则需要花费几个月的时间。它并非直接取代人的因素，而是当分子设计师必须选择哪条途径来探索的时候，提供关键的支持。”
