设为首页收藏本站在线订餐房产交易查询 繁体中文
开启辅助访问

温尼伯站

 找回密码
 注册用户
搜索
热搜: 接送 租房
温尼伯站»论坛 › 温尼伯站 › 资讯信息 › 研究人员用机器学习来进行几乎无限的太阳能电池实验
返回列表 发新帖
查看: 139|回复: 0
上一主题 下一主题

[综合资讯] 研究人员用机器学习来进行几乎无限的太阳能电池实验

[复制链接]
温尼伯站

14万

主题

14万

帖子

29万

积分

管理员

有bug，有问题请私信。

Rank: 9Rank: 9Rank: 9

积分
290469
跳转到指定楼层
楼主
发表于 2021-3-15 20:16:25 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
大阪大学的研究人员利用机器学习来设计和虚拟测试有机太阳能电池的分子 ，这可以为可再生能源应用带来更高效率的功能材料。  

大阪大学的研究人员利用机器学习设计了用于光伏设备的新型聚合物。在虚拟筛选了20多万种候选材料后，他们合成了一种最有前途的材料，并发现其性能与他们的预测一致。这项工作可能会导致功能材料发现方式的革命。  

机器学习是一种强大的工具，只要提供足够的实例数据，计算机就可以对即使是复杂的情况进行预测。这对于材料科学中的复杂问题尤其有用，例如设计有机太阳能电池的分子，这可能取决于大量的因素和未知的分子结构。人类需要花费数年的时间来筛选数据以找到潜在的模式，甚至需要更长的时间来测试组成有机太阳能电池所有可能的供体聚合物和受体分子的候选组合。因此，提高太阳能电池的效率以在可再生能源领域具有竞争力的进展一直很缓慢。  

现在，大阪大学的研究人员利用机器学习，基于用之前发表的实验研究数据训练算法，筛选了数十万个供体和受体对。尝试了382个供体分子和526个受体分子的所有可能的组合，结果有200932对通过能量转换效率虚拟测试。  

为了验证这种方法，研究人员在实验室里合成了一种预测效率很高的聚合物，并进行了测试。发现其特性与预测相符，这让研究人员对他们的方法更有信心。这个项目不仅可以促进高效有机太阳能电池的发展，还可以适应其他功能材料的材料信息学。我们可能会看到这种类型的机器学习，即一个算法可以根据机器学习的预测快速筛选数千甚至数百万个候选分子，并应用于其他领域，如催化剂和功能性聚合物。  







【郑重声明】温尼伯站坛刊载此文不代表同意其说法或描述，仅为提供更多信息，也不构成任何投资或其他建议。转载需经本网同意并注明出处。本网站有部分文章是由网友自由上传，对于此类文章本站仅提供交流平台，不为其版权负责；部分内容经社区和论坛转载，原作者未知，如果您发现本网站上有侵犯您的知识产权的文章，请及时与我们联络，我们会及时删除或更新作者。
回复

使用道具 举报

返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册用户

本版积分规则



手机版|温尼伯站

JS of wanmeiff.com and vcpic.com Please keep this copyright information, respect of, thank you!JS of wanmeiff.com and vcpic.com Please keep this copyright information, respect of, thank you!

GMT-5, 2026-4-28 06:41 , Processed in 0.076442 second(s), 37 queries , Gzip On.

温尼伯站版权所有

All right reserved by Winnipeg Chinese Media.

快速回复 返回顶部 返回列表