Машинное обучение для прогнозирования производительности органических солнечных элементов

Machine learning to predict the performance of organic solar cells

Одной из самых серьезных проблем в материаловедении является прогнозирование оптимальной производительности солнечных ячеек на основе их конкретного состава и конструкции. Группа ученых из Института материаловедения Барселоны (ICMAB) и Университета Ровира и Вирхили объединили экспериментальные данные о материалах для энергетических приложений с алгоритмами искусственного интеллекта и открыли беспрецедентные возможности прогнозирования характеристик органических солнечных элементов.

В процессе исследования ученые сгенерировали несколько наборов данных с помощью нового экспериментального метода, который позволяет им иметь большое количество моделей в одной, что значительно сокращает время исследования по сравнению с традиционными методами. Затем модели машинного обучения используются для изучения этих наборов данных и прогнозирования характеристик еще большего количества материалов, таких как новые органические полупроводники.

Одной из ключевых особенностей этого исследования является возможность создавать большие и информативные наборы данных с минимальными экспериментальными работами. Исследователи используют методологию, основанную на комбинаторном скрининге, при котором они генерируют модели с разницей параметров, которые влияют на характеристики органических солнечных элементов.