Investigadores de la Universidad de Osaka están empleando el aprendizaje automático con el objetivo de diseñar nuevos polímeros que se apliquen en los dispositivos fotovoltaicos. Para este estudio se han seleccionado virtualmente más de 200.000 materiales, de los cuales uno de ellos coincidían sus propiedades con la predicción de los investigadores.
El aprendizaje automático se ha basado en un algoritmo entrenado con datos de estudios experimentales publicados anteriormente, de esta forma se han podido seleccionar cientos de miles de materiales donantes. Los investigadores, a través del aprendizaje automático, realizaron todas las combinaciones posibles de 382 moléculas donantes y 526 moléculas aceptoras, proporcionando un resultado de 200.932 pares que se probaron virtualmente para predecir su eficiencia de conversión de energía.
Para verificar este método, se seleccionó uno de los polímeros, que se pronosticaba que tendría una alta eficiencia, para sintetizarlo y probarlo en el laboratorio. Los resultados revelaron que sus propiedades se ajustaban a las predicciones de los investigadores, proporcionando una mayor confianza en su enfoque.
Uso del aprendizaje automático en otras áreas
“Este proyecto puede contribuir no solo al desarrollo de células solares orgánicas altamente eficientes, sino que también puede adaptarse a la informática de materiales de otros materiales funcionales”, explica Akinori Saeki, autor principal de la investigación.
El algoritmo es capaz de filtrar rápidamente miles o quizás incluso millones de moléculas candidatas basadas en predicciones de aprendizaje automático, que podrían aplicarse en otras áreas como catalizadores o polímeros funcionales.
El artículo ‘Experiment-oriented machine learning of polymer: non-fullerene organic solar cells’, se publicó en Advanced Functional Materials en el Digital Object Identifier System (DOI).