西北工业大学AFM:数据驱动的分子编码技术高效筛选钙钛矿太阳能电池有机添加剂

计算材料学 2025-07-12 10:03
文章摘要
本文介绍了西北工业大学陈睿豪、王洪强和刘哲等人提出的一种名为“钙钛矿添加剂筛选副驾驶”(Co-PAS)的机器学习驱动框架,用于高效筛选钙钛矿太阳能电池的有机分子添加剂。该框架通过整合分子骨架分类器(MSC)和基于数据驱动的分子结构表示方法(JTVAE),显著提升了能量转换效率(PCE)的预测准确性。研究从PubChem数据库中筛选了25万分子,最终锁定76个候选分子,其中包括此前未在钙钛矿太阳能电池中应用的Boc-L-苏氨酸N-羟基琥珀酰亚胺酯(BTN)。实验验证显示,含BTN的器件PCE高达25.20%,且器件稳定性提升至600小时效率衰减<2%。这一成果为高性能钙钛矿太阳能电池添加剂的快速发现提供了新工具。
西北工业大学AFM:数据驱动的分子编码技术高效筛选钙钛矿太阳能电池有机添加剂
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。
推荐文献
Correction.
DOI: 10.1080/15374416.2022.2154566 Pub Date : 2025-07-01 Date: 2022/12/6 0:00:00
IF 5.4 3区 材料科学 Q2 ACS Applied Energy Materials
Pub Date : 2025-07-08
IF 4.3 3区 材料科学 Q1 ACS Applied Electronic Materials
计算材料学
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信