有机太阳能电池在四维参数空间中的自主优化
材料科学
2023-05-16 v1
摘要
由于有机光伏（OPV）中庞大的参数空间，优化溶液法制备的有机太阳能电池是一项复杂任务。经典的 Edisonian 或单变量轮换（OVAT）优化方法费力、耗时，且可能无法在多维设计空间中找到最优参数集。为解决此问题，我们在此首次展示了面向全功能有机太阳能电池的人工智能（AI）引导闭环自主优化。我们将贝叶斯优化器（BO）赋能于自动化材料与器件加速平台 LineOne，使其能够在无人工干预下自主运行以解决复杂优化问题。该系统能够制备并表征完整的OPV器件，并在由组分和工艺参数张成的设计空间中高效寻优。此外，采用基于高斯过程回归（GPR）的早期预测模型，从廉价代理测量（本例中为薄膜吸收光谱）预测电池效率；该光谱通过基于物理性质的谱模型分析，生成微结构特征作为GPR输入。我们通过优化三元OPV体系（PM6:Y12:PC70BM）在四维参数空间中的组分与工艺条件，展示了这一通用且完整的自主方法。我们确定了系统的最佳参数集，并以最少样本数获得了整个参数空间上精确的 objective function。我们仅在40个样本内便展示了复杂光电器件的自主优化，而Edisonian方法约需1000个样本。这引发了关于自主平台加速材料科学必要性的重要讨论。
引用
@article{arxiv.2305.08248,
title = {Autonomous Optimization of an Organic Solar Cell in a 4-dimensional Parameter Space},
author = {Tobias Osterrieder and Frederik Schmitt and Larry Luer and Jerrit Wagner and Thomas Heumüller and Jens Hauch and Christoph Brabec},
journal= {arXiv preprint arXiv:2305.08248},
year = {2023}
}
备注
18 pages, 5 figures