有機太陽能電池的聚合物組合方式有千百種，如何找到最適合材料為當前科學家絞盡腦汁想得出的挑戰，因此日本科學家想透過人工智慧技術減少搜尋材料時間，幫助有機太陽能踏進商業化門檻。
有機太陽能電池具有可撓與低成本優勢，利用導電聚合物或小分子吸收光並轉移電荷，只要少量有機物就可吸收大量的光。其製造方式也較簡單，可採用低價材料和簡易印刷技術製程，可說是太陽光電產業的明日之星。
然而目前有機太陽能電池的光電轉換效率太低、處在 11%~12% 之間，距離商業化標準 15% 還有一段距離，科學家也還沒找到最適合的聚合物材料，因此有機太陽能還無法達到商業化。日本大阪大學工學院準教授長澤慎司（Shinji Nagasawa）表示，聚合物與有機太陽能電池的短路電流（short-circuit current）有關，會大大影響太陽能板的光電轉換效率。
但聚合物由受體單元、予體單元、隔片、烷基鏈組成，研究員佐伯昭紀（Akinori Saeki）補充，假設每個單元有 20 種選擇，排列組合數會超過 100 萬。且由於轉換效率是綜合各個複雜因素的結果，牽涉到薄膜形態、p 型和 n 型半導體界面與材料溶解度，即使利用量子化學計算也無法預測太陽能電池效率。
如果要一一測試又會消耗大量時間，因此研究員想透過人工智慧來提高搜尋效率。
（Source：大阪大學）
為減少電腦篩選數量，研究團隊先從約 500 項研究中收集 1,200 份有機太陽能數據，再用機器學習演算法「隨機森林」（Random Forest）建構一組模型，其中結合有機太陽能的能隙、分子量、化學結構、轉換效率與電子特性資料，能預測潛力設備的理論轉換效率。
隨機森林可找出材料性能與有機太陽能實際效率的相關性，團隊則善加利用這一優勢，將模型用來篩選新型聚合物的理論轉換效率，並成功找出一種先前從未測試的聚合物。
雖然實際測試之後結果不如預期，但該模型在材料結構與性質提供許多有用的見解。研究員認為，只要加入更多的資料，像是聚合物在水中的溶解度等，就可以進一步提高模型實用性。
佐伯昭紀表示，該模型並不完美，準確度僅 20%~50%。不過機器學習能夠即時預測實驗室需要數月才能得到的結果，可大大提升太陽能電池開發速度。顯然這項機器學習技術還不能無法取代完全人，但仍可為分子設計師提供關鍵材料選項、分擔工作量，目前研究已發表在《The Journal of Physical Chemistry Letters》。
- Cheap and Efficient Organic Solar Cells May Be Possible, Thanks to New AI Tools
- AI Software Assists Design of New Material for Solar Cells
（本文由 EnergyTrend 授權轉載；首圖來源：Flickr/Katy Warner CC BY 2.0）