欧美电影在线观看,《甜性涩爱》韩国三级,飘雪在线观看免费高清完整版韩国

重大孫寬/鄭玉杰Adv.Sci.: 機器學習+量子化學用于開發(fā)高效非富勒烯受體

Y6及其衍生物大大提高了有機光伏（OPV）的功率轉(zhuǎn)換效率（PCE）。通過研究這些材料的化學結構和性能之間的關系，進一步開發(fā)高性能的Y6衍生物受體材料，將有助于加速OPV的發(fā)展。

在此，重慶大學孫寬研究員及鄭玉杰等人采用機器學習和量子化學相結合的方法用于了解結構-性質(zhì)關系并開發(fā)新的OPV受體材料。作者建立了一個以Y6及其衍生物為受體材料的OPV數(shù)據(jù)庫，供體材料僅限于PBDB-T或PBDB-TF（PM6）。受體分子分為三部分，即末端受體單元（A1）、供體單元（D1）和核心受體單元（A2），并由改進的one-hot代碼編碼作為機器學習的輸入。

基于隨機森林（RF）的機器學習模型算法顯示出良好的預測能力，用于篩選所有可能的分子結構形成的化學空間。最終，該機器學習模型篩選出22種新的高潛力OPV受體材料，預計PCE大于17%。

圖1. 機器學習預測的5種典型高性能受體分子及其PCE

與發(fā)現(xiàn)的高性能分子相關的趨勢表明，具有中等長度側(cè)鏈的Y6衍生物具有更高的性能。對五個具有相同供體單元但具有不同受體單元的高性能分子進行的量子化學計算表明，末端受體單元主要影響前沿分子軌道能級和分子表面的靜電勢，進而影響OPV器件的性能。

因此，這項工作已經(jīng)篩選出一系列具有高潛力的OPV受體材料，為高性能OPV材料的發(fā)展提供了合理的設計指導。該方法不僅可以用于研究OPV材料的分子結構與OPV器件的PCE之間的關系，還可以擴展到其他材料系統(tǒng)以快速發(fā)現(xiàn)材料，并可以為新型有前途的OPV材料設計提供合理的框架。

圖2. 量子化學計算5種受體分子不同光電特性的根源

High-Efficiency Non-Fullerene Acceptors Developed by Machine Learning and Quantum Chemistry, Advanced Science 2022. DOI: 10.1002/advs.202104742

原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/15/4e3acc6ce7/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

重大孫寬/鄭玉杰Adv.Sci.: 機器學習+量子化學用于開發(fā)高效非富勒烯受體

相關推薦