基于机器学习的有机太阳能电池能级预测及分子设计

作为分布式可再生能源关键组成部分的有机太阳能电池,其效率的主要限制因素是分子的最高占据分子轨道(HOMO)和最低未占据分子轨道(LUMO)之间的能级差异。为了能降低有机太阳能电池的制造成本,提高有机太阳能电池的能量转换效率,提出利用机器学习分析有机太阳能电池的能级,指导分子设计。首先,利用机器学习的高效性和成本效益,筛选出20个关键特征,以深入分析其如何影响光伏器件的性能。随后,构建了6种不同的预测模型,对比发现其中基于梯度提升的XGBT模型在预测有机太阳能电池性能方面表现最佳,其决定系数为0.8,并且其均方根误差仅为0.2。最后,利用该模型有效地预测了有机太阳能电池的性能,并且通过对HOMO与LUMO的深入分析,成功识别出两种影响有机太阳能电池能级的关键分子结构。