加速有機太陽能電池進展，日本用 AI 尋找聚合物材料
2018-06-29
有機太陽能電池的聚合物組合方式有千百種，如何找到最適合材料為當前科學家絞盡腦汁想得出的挑戰，因此日本科學家想透過人工智慧技術減少搜尋材料時間，幫助有機太陽能踏進商業化門檻。
有機太陽能電池具有可撓與低成本優勢，利用導電聚合物或小分子吸收光並轉移電荷，只要少量有機物就可吸收大量的光。其製造方式也較簡單，可採用低價材料和簡易印刷技術製程，可說是太陽光電產業的明日之星。
然而目前有機太陽能電池的光電轉換效率太低、處在 11%~12% 之間，距離商業化標準 15% 還有一段距離，科學家也還沒找到最適合的聚合物材料，因此有機太陽能還無法達到商業化。日本大阪大學工學院準教授長澤慎司（Shinji Nagasawa）表示，聚合物與有機太陽能電池的短路電流（short-circuit current）有關，會大大影響太陽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（Akinori Saeki）補充，假設每個單元有 20 種選擇，排列組合數會超過 100 萬。且由於轉換效率是綜合各個複雜因素的結果，牽涉到薄膜形態、p 型和 n 型半導體界面與材料溶解度，即使利用量子化學計算也無法預測太陽能電池效率。
如果要一一測試又會消耗大量時間，因此研究員想透過人工智慧來提高搜尋效率。
為減少電腦篩選數量，研究團隊先從約 500 項研究中收集 1,200 份有機太陽能數據，再用機器學習演算法「隨機森林」（Random Forest）建構一組模型，其中結合有機太陽能的能隙、分子量、化學結構、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能實際效率的相關性，團隊則善加利用這一優勢，將模型用來篩選新型聚合物的理論轉換效率，並成功找出一種先前從未測試的聚合物。
雖然實際測試之後結果不如預期，但該模型在材料結構與性質提供許多有用的見解。研究員認為，只要加入更多的資料，像是聚合物在水中的溶解度等，就可以進一步提高模型實用性。
佐伯昭紀表示，該模型並不完美，準確度僅 20%~50%。不過機器學習能夠即時預測實驗室需要數月才能得到的結果，可大大提升太陽能電池開發速度。顯然這項機器學習技術還不能無法取代完全人，但仍可為分子設計師提供關鍵材料選項、分擔工作量，目前研究已發表在《The Journal of Physical Chemistry Letters》。
Cheap and Efficient Organic Solar Cells May Be Possible, Thanks to New AI Tools
AI Software Assists Design of New Material for Solar Cells
（本文由 EnergyTrend 授權轉載；首圖來源：Flickr/Katy Warner CC BY 2.0）
◎資料來源：科技新報
回上一頁
