科学家利用机器学习来识别高性能的太阳能材料

现在，由于结合了数据的科学实验方法和超级计算能力的研究，研究人员在能源公司(DOE)的Argonne国家实验室和英国剑桥大学开发了一种“设计到设备”的新方法，以确定有希望的染料敏化太阳能电池(DSSCs)材料。DSSC可以采用低成本、可扩展的技术制造，从而实现具有竞争力的性价比。

阿贡材料科学家杰奎琳科尔(Jacqueline Cole)领导的团队也是剑桥大学卡文迪什实验室分子工程团队的负责人，他们使用阿贡领先计算研究所(ALCF)的Theta超级计算机，从10，000种近池花青素材料中确定了5种高性能、低成本的候选制造和设备测试。ALCF是美国能源部科学办公室的用户工具。

这项研究特别令人兴奋，因为我们可以展示数据驱动的材料发现的完整周期——从使用先进的计算方法识别性能最佳的材料，到在实验室合成这些材料，并在实际光伏器件中进行测试，”科尔说。

通过ALCF数据科学项目，科尔与阿贡计算科学家合作创建了一个自动化工作流程，该流程结合了模拟、数据挖掘和机器学习技术，可以同时分析数千种化合物。这一过程始于对成千上万的科学期刊进行分类，以收集各种有机染料候选物的化学和吸收数据。

科尔说：“这个过程的优势在于，它消除了旧的手动数据库管理，这需要数年的工作，并将其减少到几个月，最后几天。

计算包括使用越来越精细的筛选技术来产生潜在的染料对，这些染料可以相互结合来吸收太阳光谱上的光。科尔说：“几乎不可能找到一种真正适用于所有波长的染料。“这是特别真实和有机的，因为它们有更窄的光吸收带；然而，我们真的只想关注有机分子，因为它们更环保。”

为了将第一批10，000个潜在的染料候选减少到最有希望的短期重新参与的可能性，我们使用ALCF计算资源并进行多步骤方法。首先，科尔和她的同事使用数据挖掘工具来消除任何有机金属分子，这些分子通常比给定波长的有机染料吸收更少的光，而有机分子太小，无法吸收可见光。

即使在第一次扫描时，研究人员仍有大约3000种染料候选物需要考虑。为了进一步完善选择，科学家筛选出了染料“胶”或锚，可用于化学羧酸成分与染料的二氧化钛载体连接。然后，研究人员使用Theta计算剩余候选染料的电子结构，以确定每种染料的分子偶极矩(或极性程度)。

科尔说：“我们真的希望这些分子有足够的极性，这样它们的电子电荷在整个分子中就非常高。这允许光激发电子穿过染料的长度，穿过化学胶，并进入二氧化钛半导体启动电路。

在将搜索范围缩小到大约300种染料后，研究人员使用他们的计算设置来检查他们的光学吸收光谱，以生成一批大约30种染料，这些染料可以作为实验验证的候选。然而，在实际合成染料之前，Cole和她的同事对Theta进行了计算密集型密度泛函理论(DFT)计算，以评估每种染料在实验环境中的性能。

研究的最后阶段包括通过实验验证这些预测中五种最有希望的候选染料的收集，这需要全球合作。由于每种不同的染料最初是在世界各地的不同实验室合成的，用于其他目的，科尔联系了最初的染料开发人员，每个染料开发人员都发送了一种新的染料样本供她的团队调查。

科尔说：“让来自世界各地的这么多人为这项研究做出贡献，真的是团队合作的一个烂摊子。

在美国能源部科学办公室、剑桥大学和卢瑟福阿普尔顿实验室的另一个用户设施阿贡纳米材料中心的实验中，科尔和他的同事发现，一旦一些染料嵌入光伏器件，所达到的功率转换效率大致相当于工业标准有机金属染料。

科尔说：“这是一个特别令人鼓舞的结果，因为我们出于环境原因限制了我们的有机分子，这让我们的生活变得更加困难，但我们发现这些有机染料的行为就像一些最著名的有机金属一样。

郑重声明：本文版权归原作者所有。转载文章只是为了传播更多的信息。如果作者信息标注有误，请第一时间联系我们修改或删除。谢谢你。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！