有机太阳能电池的聚合物组合方式有千百种，如何找到最适合材料为当前科学家绞尽脑汁想得出的挑战，因此日本科学家想透过人工智能技术减少搜寻材料时间，帮助有机太阳能踏进商业化门槛。
有机太阳能电池具有可挠与低成本优势，利用导电聚合物或小分子吸收光并转移电荷，只要少量有机物就可吸收大量的光。其制造方式也较简单，可采用低价材料和简易印刷技术制程，可说是太阳光电产业的明日之星。
然而目前有机太阳能电池的光电转换效率太低、处在 11%~12% 之间，距离商业化标准 15% 还有一段距离，科学家也还没找到最适合的聚合物材料，因此有机太阳能还无法达到商业化。日本大阪大学工学院准教授长泽慎司（Shinji Nagasawa）表示，聚合物与有机太阳能电池的短路电流（short-circuit current）有关，会大大影响太阳能板的光电转换效率。
但聚合物由受体单元、予体单元、隔片、烷基链组成，研究员佐伯昭纪（Akinori Saeki）补充，假设每个单元有 20 种选择，排列组合数会超过 100 万。且由于转换效率是综合各个复杂因素的结果，牵涉到薄膜形态、p 型和 n 型半导体界面与材料溶解度，即使利用量子化学计算也无法预测太阳能电池效率。
如果要一一测试又会消耗大量时间，因此研究员想透过人工智能来提高搜寻效率。
（Source：大阪大学）
为减少电脑筛选数量，研究团队先从约 500 项研究中收集 1,200 份有机太阳能数据，再用机器学习算法“随机森林”（Random Forest）建构一组模型，其中结合有机太阳能的能隙、分子量、化学结构、转换效率与电子特性资料，能预测潜力设备的理论转换效率。
随机森林可找出材料性能与有机太阳能实际效率的相关性，团队则善加利用这一优势，将模型用来筛选新型聚合物的理论转换效率，并成功找出一种先前从未测试的聚合物。
虽然实际测试之后结果不如预期，但该模型在材料结构与性质提供许多有用的见解。研究员认为，只要加入更多的资料，像是聚合物在水中的溶解度等，就可以进一步提高模型实用性。
佐伯昭纪表示，该模型并不完美，准确度仅 20%~50%。不过机器学习能够即时预测实验室需要数月才能得到的结果，可大大提升太阳能电池开发速度。显然这项机器学习技术还不能无法取代完全人，但仍可为分子设计师提供关键材料选项、分担工作量，目前研究已发表在《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 授权转载；首图来源：Flickr/Katy Warner CC BY 2.0）
