一种有机太阳能电池材料能级的预测方法技术

本发明专利技术提供了一种有机太阳能电池材料能级的预测方法，该方法包括：获取数据库及文献中有机太阳能电池材料的性能参数，建立两个初始数据集；对初始数据集进行预处理；利用预处理后第一阶段数据集对不同的机器学习算法模型进行训练和测试，选取优化的算法模型并保存其权重，在第二阶段数据集上，转移权重进行微调，选取优化的学习模型；利用优化的机器学习模型对OPV及其他领域的材料分子进行能级预测，验证模型的可靠性；对优化的机器学习模型进行可解释性分析，揭示模型预测的机理；根据可解释性分析进行分子设计；该方法为OPV材料的设计与优化提供了理论指导和预测工具，使得研究人员能在器件制备前预测材料的光伏特性，加速材料的筛选和优化过程。

【技术实现步骤摘要】

本专利技术涉及有机太阳能电池材料数据挖掘，尤其涉及一种有机太阳能电池材料能级的预测方法。

技术介绍

1、随着化石燃料的燃烧，全球变暖危机日益加剧，因此设计、优化和实施可再生能源发电至关重要，以遏制其对环境造成的破坏。有机光伏(opv)是一种成本效益高、重量轻、灵活且可再生的光能转换技术，其效率已超过19％，展现出作为化石燃料替代品之一的潜力。这些效率提升主要源于基于经验的设计规则和试验方法的分子工程。研究表明，前线分子轨道能级(最高占据分子轨道(homo)和最低未占据分子轨道(lumo))可以很好地近似材料在opv器件中的预期功率转换效率，因此，提前确定这些能级可以有效地筛选潜在材料。传统上，有机分子的homo/lumo能级是通过基于密度泛函理论(dft)的计算确定的。然而，dft模拟的准确性受到过度离域和欠结合之间内在权衡的限制。此外，dft模拟的计算量大且耗时长，从而限制了其在大规模opv功率转换效率预测和材料筛选中的应用。

2、近年来，随着现代机器学习的迅速发展以及实验数据和从头计算数据的持续增长，基于机器学习的定量结构性质关系(qspr本文档来自技高网...

【技术保护点】

1.一种有机太阳能电池材料能级的预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的初始数据集建立步骤中，能级包括最高占据分子轨道HOMO和最低未占据分子轨道LUMO。

3.根据权利要求1所述的方法，其特征在于，所述的初始数据集建立步骤中，从文献报道或实验报告中获取有机太阳能电池采用的材料及其能级，采用分子编辑软件或网页得到材料的SMILES编码。

4.根据权利要求1所述的方法，其特征在于，所述的对初始数据集进行预处理包括：清洗掉初始数据特征集中的错误数据和异常值数据，得到预处理之后的数据集。

5.根据权利要求1所...

【技术特征摘要】

1.一种有机太阳能电池材料能级的预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的初始数据集建立步骤中，能级包括最高占据分子轨道homo和最低未占据分子轨道lumo。

3.根据权利要求1所述的方法，其特征在于，所述的初始数据集建立步骤中，从文献报道或实验报告中获取有机太阳能电池采用的材料及其能级，采用分子编辑软件或网页得到材料的smiles编码。

4.根据权利要求1所述的方法，其特征在于，所述的对初始数据集进行预处理包括：清洗掉初始数据特征集中的错误数据和异常值数据，得到预处理之后的数据集。

5.根据权利要求1所述的方法，其特征在于，所述机器学习算法模型建立和评估步骤具体包括：

6.根据权利要求1所述的方法，其特征在于，所述验证步骤具体包括：从文献中收集opv以及其他领域，包括oled、opd、otft的材料分子的smiles编码和能级，利用优化的机器学习算法模型对其进行预...

【专利技术属性】
技术研发人员：聂聪，黄迪，周海鑫，邓甲豪，陈紫烨，张康，冯芷民，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：