基于端到端深度學習的有機光伏材料光電轉化效率預測

【摘要】：碳中和背景下，亟需開發高效清潔的新型能源，以減少對石化能源的依賴。作為一種可將太陽能或其它光能直接轉化為電能的材料，有機光伏材料日益成為一種具有重大應用前景的低碳能源材料。在探索新的高性能有機光伏材料的過程中，機器學習雖然能夠提高材料設計效率，但其預測能力極大受制于描述符的開發和選取。本文利用循環神經網絡、卷積神經網絡、圖神經網絡等算法，構建端到端的深度學習模型預測有機光伏材料光電轉化效率，所建模型可直接從SMILES符號、分子圖像、分子圖網絡中提取化合物結構信息，而無需人為開發和選取描述符。所得模型不僅能夠較為準確地預測有機光伏材料的光電轉化效率（其中最優模型五折交叉驗證結果和測試集預測結果決定系數均大于0.73），而且能夠識別影響轉化效率的關鍵結構特征。研究結果可為新型環境功能材料設計提供理論指導。