国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

為高復雜性特定光電子器件定制的有機分子的逆向設計具有巨大潛力，但尚未實現。當前模型依賴于通常對于專業(yè)研究領域不存在的大型數據集。

在此，德國埃爾蘭根-紐倫堡亥姆霍茲研究所Christoph J. Brabec教授，Jianchang Wu，德國卡爾斯魯厄理工學院Pascal Friederich教授和韓國蔚山國家科學技術研究所Sang Il Seok教授，廈門大學Luyao Wang等人展示了一個閉環(huán)工作流程，該流程結合了有機半導體的高通量合成以創(chuàng)建大型數據集，并使用貝葉斯優(yōu)化發(fā)現具有量身定制性能的新型空穴傳輸材料，用于太陽能電池應用。預測模型基于分子描述符，使其能夠將這些材料的結構與其性能聯系起來。一系列高性能分子從最小的建議中被識別出來，并在鈣鈦礦太陽能電池中實現了高達26.2%（認證25.9%）的光電轉換效率。

相關文章以“Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells”為題發(fā)表在Science上。

研究背景

鈣鈦礦太陽能電池（PSCs）的空穴傳輸材料（HTMs）設計主要依賴于實驗者通過定性識別HTM結構中的模式來提高設備性能。這種方法缺乏對新HTMs的機制理解，同時還需要在高維數據集中進行模式識別。機器學習（ML）已被用于檢測科學和技術中各種應用的有意義模式，包括有機合成、材料科學和制造過程優(yōu)化。然而，將新材料的優(yōu)化屬性用于半導體設備功能尚未應用于新興的光伏領域。由于材料的結構特征、復合材料的加工主導微觀結構以及兩者對設備性能的相對影響之間復雜的相關性，將設備性能與材料結構之間的關系反轉是困難的。

之前的努力主要集中在使用ML優(yōu)化制造過程或基于制造過程預測設備性能和穩(wěn)定性。例如，高斯過程（GP）回歸已被用于模擬機器人設備制造的數據，這使得分析和預測設備性能和穩(wěn)定性成為可能。在整個參數空間中，可以通過最少的樣本數量快速識別出最佳參數集和目標函數。徐等人將類似的方法應用于優(yōu)化鈣鈦礦的鈍化材料。然而，訓練數據限于制造過程或商業(yè)材料，因此不包括新分子結構的生成。

兩項最近的研究結合了ML和有機合成。然而，這些聚合物的不溶性特征，盡管減少了純化挑戰(zhàn)并豐富了數據庫，但限制了這類材料的更廣泛應用。從這些最新研究中得出的普遍發(fā)現之一是，自主優(yōu)化算法不僅需要足夠大的數據量，還需要數據多樣性，這就需要合成結構多樣的分子的可能性。鑒于優(yōu)化化學結構以提高設備性能的多維性質，挑戰(zhàn)在于生成足夠大且一致的數據集以確保這些算法的實施。

研究內容

為了解決這些問題，本文開發(fā)了一種結合知識和數據的策略，該策略在高通量（HT）有機合成平臺上實施，可以合成和純化超過100種具有不同結構和一致質量的可溶液處理小分子半導體，這些半導體在幾周內多次合成活動中具有一致的質量。特別是，在功率轉換效率（PCE）為21%的PSCs中，觀察到的小于3%的小波動為整個工作流程的順利運行提供了堅實的基礎?；谥R的部分對于設計HT合成平臺、闡明分子的純化和表征以及實施所有必要的分析以記錄預計會影響設備性能的屬性至關重要。這種方法為我們提供了足夠大且多樣化的數據集，通過訓練ML模型將HTM的結構特征與相應的p-i-n PSCs的性能結合起來，實施了基于數據的探索策略。同時，本文開發(fā)了一個工作流程，結合了自動HT實驗、ML以及通過進一步HT實驗進行驗證。這些反饋循環(huán)基于設備結果預測了新結構，并允許對材料進行封閉優(yōu)化，以達到太陽能電池的目標標準，可以快速獲得足夠的新有機共軛分子數量，以實現多個實驗數據的迭代。

圖1：方案的總體概述。

該模型通過149個合成分子的訓練，準確預測了來自虛擬數據庫100萬個候選中的高性能HTMs。鑒于這項研究已經相當復雜，作者在貝葉斯優(yōu)化（BO）操作期間沒有對每個新的HTM進行單獨的設備結構優(yōu)化。相反，對于在BO操作后顯示出初始PCE超過20%的一系列HTMs進行了設備優(yōu)化。這些材料最終達到了超過26%的PCE（認證為25.9%），突顯了將材料和設備優(yōu)化結合在一個聯合工作流程中的巨大潛力。