英国班戈大学研究员提出一种方法：通过机器学习提高有机光伏（OPV）的稳定性

最近，英国班戈大学计算机科学与电子工程学院的Tudur WynDavid等研究员提出了一种从有机光伏(OPV)太阳能电池数据中提取信息的机器学习方法。在1850个器件特性、性能和稳定性数据条目组成的数据库的基础上，采用顺序最小优化回归(SMOreg)模型，用以推测太阳能电池稳定性和功率转换效率(PCE)的最大影响因素。这样的学习方法是基于属性权重分析所获取的SMOreg模型得以实现的。

值得注意的是，该分析方法可用于筛选器件结构中对稳定性和PCE有提升作用的各层活性材料，以及判断不同应力因素在OPV衰退过程中的影响力大小。在ISOS-L协议下进行的测试结果表明，光谱和活性层材料的选择对器件稳定性的影响占据主导因素，而在ISOS-D协议下进行的测试则表明，器件稳定性主要取决于材料和封装。

上述方法提供了一种快速而有效的机器学习应用方法，用以识别具有最好的稳定性和性能的功能材料。最终，该机器学习方法通过为研究人员提供材料筛选和器件优化的有效信息，避免了大量的实验和优化过程，为OPV技术的高速发展提供了助力。