从《终结者》(The Terminator)、《银翼杀手》(Blade Runner)到《黑客帝国》(The Matrix)，好莱坞教导我们要警惕人工智能。但是，算法至少可以解决气候危机带来的一个问题，而不是在大屏幕上终结我们的末日。

 

ARC激子科学卓越中心的研究人员已经成功创建了一种新型的机器学习模型，可以预测下一代有机太阳能电池中使用的材料(包括还不存在的“虚拟”化合物)的能量转换效率(PCE)。

 

与一些耗时且复杂的模型不同，最新的方法快速、易于使用，代码对所有科学家和工程师都是免费的。

 

开发一个更有效和用户友好的模型的关键是用更简单和化学解释的分子特征描述符来取代复杂和计算昂贵的参数，这些参数需要量子力学计算。它们提供了材料中影响PCE的最重要化学碎片的重要数据，生成的信息可用于设计改进的材料。

 

在对可再生能源的需求及其在减少碳排放方面的重要性比以往任何时候都要大的时候，这种新方法可能有助于大大加快设计更高效太阳能电池的过程。研究结果发表在《自然》杂志《计算材料》上。

 

几十年来，人们一直依赖相对昂贵且缺乏柔韧性的硅材料，杏耀现在，人们越来越多地将目光投向有机光伏(OPV)太阳能电池。通过使用印刷技术，有机光伏电池的制造成本更低， 杏耀手机挂机软件介绍 ，而且功能更多样，更易于处理。

 

一个主要的挑战是挑选出大量潜在合适的化合物，这些化合物可以合成(由科学家定制)用于OPVs。

 

研究人员以前曾尝试使用机器学习来解决这个问题，但其中许多模型都很耗时，需要巨大的计算机处理能力，而且难以复制。而且，最重要的是，他们没有为寻求建造新的太阳能设备的实验科学家提供足够的指导。

 

现在，RMIT大学的Nastaran Meftahi博士和Salvy Russo教授与莫纳什大学的Udo Bach教授的团队合作，成功地解决了许多这样的挑战。

 

Nastaran说:“其他大多数模型使用电子描述符，杏2杏耀这些描述符很复杂，计算费用也很昂贵，而且它们在化学上无法解释。”

 

“这意味着，实验化学家或科学家无法从这些模型中获得设计和合成材料的想法。如果他们看我的模型，因为我使用了简单的、化学可解释的描述符，他们可以看到重要的碎片。”

 

Nastaran的工作得到了她的合著者，CSIRO数据61的Dave Winkler教授、莫纳什大学、拉筹伯大学和诺丁汉大学的大力支持。Winkler教授参与创建了生物模型，这为新的开源模型提供了基础。

 

通过使用它，研究人员已经能够产生鲁棒性和预测性的结果，并在其他数据中生成待检测分子签名和未来OPV设备效率之间的定量关系。

 

Nastaran和她的同事现在打算扩展他们的工作范围，包括更大、更准确的计算和实验数据集。