基于深度学习预测有机光伏电池能量转换效率

• 作者: 于程远 吴金奎 周利 吉旭 戴一阳 党亚固
• 来源期刊: 化工学报
• 关键词: 有机化合物 太阳能 类语言描述符 深度学习 预测 光电转换效率
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 过程系统工程
• 页码范围: 1487-1495
• 页数: 8页
• 分类号: TM914.4
• 语种: 中文
• DOI: 10.11949/0438-1157.20201880

摘要

采用一种针对有机化合物提出的类语言分子描述符对哈佛清洁能源项目数据库（CEPDB）中29000个有机太阳能电池供体分子进行描述，分子将基于最近邻子图理论被分解成片段（词），并利用广度优先搜索算法将片段排列成一定的序列（句子），在每个片段的信息被嵌入一个数值向量后，每个分子可表示为一个信息矩阵。在此基础上，通过一个深层神经网络提取嵌入信息，并与对应材料的光电转换效率（PCE）关联，获得了决定系数（R2）为0.97、均方误差（MSE）为0.16的预测结果。与现有方法的比较表明该方法在精度上具有竞争力。在建模过程中引入注意力机制，识别出了几个对PCE值具有决定性意义的分子片段，可为有机光伏材料的逆向设计提供指导信息。