编者按：美国能源部阿贡国家实验室和英国剑桥大学开发出了一种新颖的设备来识别有前途的太阳能电池材料。这项研究能够展示数据驱动材料发现的整个周期，从而使用先进的计算方法来识别具有最佳性能的材料。

寻找用于太阳能电池的最佳光能，简直就像是大海捞针一样困难。多年来，研究人员开发并测试了数千种不同的染料和色素，以了解它们吸收阳光并将其转化为电能的方式，并且他们还对所有这些问题进行了分类。

目前，研究人员在美国能源部阿贡国家实验室和英国剑桥大学，已经开发出了一种新颖的设备来识别有前途的太阳能电池材料。DSSCs可以用低成本、可扩展的技术来进行制造，所以它的性价比是十分高的。这项研究能够展示数据驱动材料发现的整个周期，从而使用先进的计算方法来识别具有最佳性能的材料。

Cole和Argonne的计算科学家通过一个ALCF数据科学项目，创建了一个自动化的工作流程。该流程结合了模拟、数据挖掘和机器学习技术，它能够同时分析数千种化合物。这一过程的优势在于，它摒弃了传统的手工管理数据库的做法，将其其所需的工作时间缩短到了几个月，甚至是几天。


机器学习

计算工作涉及使用越来越精细的筛选技术，来生成可能的染料对。它们可以相互结合，吸收整个太阳光谱的光。科尔表示，要找到一种对所有波长都有效的染料几乎是不可能的。对于有机分子来说更是如此，因为它们具有更窄的光学吸收带。然而，我们真正想关注的是有机分子，因为它们明显更环保。

为了将最初的10000个潜在染料候选范围缩小到几个，科学家们再次使用ALCF计算资源来执行一个多步骤的方法。首先，Cole和她的同事们使用数据挖掘工具来消除任何有机金属分子，这些有机金属分子在特定波长下，吸收的光通常比有机染料少。

在研究的最后阶段，涉及到实验验证。他们需要从这些预测中选出的五种最有前途的染料候选，这需要全球专家的合作。所以，科尔找到了最初的染料开发人员，他们每个人都发回了一种新的染料样品，让她的团队进行研究。科尔说表示，能够让这么多来自世界各地的人参与到这项研究中来，这真的是非常了不起的团队合作。

原标题：解开太阳的谜题: 科学家利用机器学习识别太阳能材料