npj Comput. Mater.：新型聚合基元指纹：如何赋能高性能OPV材料AI设计？

本文探讨了有机光伏（OPV）技术在太阳能应用中的重要性及其面临的挑战，特别是在功率转换效率（PCE）和长期稳定性方面。传统OPV材料开发依赖试错实验，耗费大量时间和资源。为应对这些挑战，南方科技大学和南京理工大学的研究团队提出了一种基于“聚合基元指纹”（PUFp）的机器学习策略，用于高效设计高性能非富勒烯受体材料（NFA）。该方法结合机器学习与材料科学，通过PUFp结构表示方法开发预测模型，显著提升了模型预测准确性。研究团队还对1343种NFA材料进行了SHAP分析，量化了PUs对PCE的影响，并揭示了其作为供体/受体聚合物分子构建块的作用机理。最终，团队成功设计了多种高性能OPV材料，展示了PUFp-ML方法在新材料设计中的强大能力。