据TechXplore网2024年12月19日消息，德国亥姆霍兹爱尔朗根-纽伦堡研究所（HI-ERN）、卡尔斯鲁厄理工学院与韩国蔚山国立科学技术研究所（UNIST）的研究人员提出了一种机器学习算法，可预测分子结构对钙钛矿太阳能电池性能的影响，快速发现和优化高性能材料。该算法加快了钙钛矿太阳能电池新材料的发现速度，减少了传统试错方法所需的时间和资源。相关研究成果已发表在《科学》期刊上。

研究人员使用偶联反应规则创建虚拟的分子组合，从源数据库中随机选择分子进行密度泛函理论计算，生成包含13000个分子的数据库，然后根据特定的规则从中间数据库中选择分子，用于模型训练和迭代验证。研究人员随后在空穴传输材料描述符和设备参数上训练模型。新的分子经过预测、合成和实验测量过程后，被反馈到数据库中。如此重复迭代，直到从集合中发现最佳的空穴传输材料。

未来，研究人员的目标是将材料发现和设备优化集成到一个无缝的闭环流程中，通过跨学科研究的共同努力，结合材料科学、工程和先进计算技术的见解，创建一个协同的工作流程。

信息来源：

https://techxplore.com/news/2024-12-machine-perovskite-solar-cells-efficiency.html

https://mp.weixin.qq.com/s/VqRKRRZO8afS6eq2VzyYnQ