您的位置:首页>科技 >内容

化学数据挖掘推动了对新型有机半导体的研究

2019-03-29 15:03:50来源:
导读生产由硅制成的传统太阳能电池是非常耗能的。最重要的是,它们僵硬而脆弱。另一方面,有机半导体材料是柔性和轻质的。如果只有它们的效率和

生产由硅制成的传统太阳能电池是非常耗能的。最重要的是,它们僵硬而脆弱。另一方面,有机半导体材料是柔性和轻质的。如果只有它们的效率和稳定性与传统细胞相当,它们将是一种很有前景的替代品。

慕尼黑工业大学理论化学教授Karsten Reuter与他的团队一起,正在寻找用于光伏应用,以及显示器和发光二极管 - OLED的新型物质。研究人员将目光瞄准了建立在碳原子框架上的有机化合物。

未来电子产品的竞争者

取决于它们的结构和组成,这些分子和由它们形成的材料显示出各种各样的物理性质,为未来的电子学提供了许多有希望的候选物。

“到目前为止,一个主要问题一直是追踪它们:在实验室中合成,测试和优化新材料需要数周到数月的时间,”路透社说。“使用计算筛选,我们可以极大地加速这一过程。”

计算机而不是试管

研究人员既不需要试管也不需要本生燃烧器来寻找有前途的有机半导体。他和他的团队使用功能强大的计算机分析现有数据库。这种关系和模式的虚拟搜索称为数据挖掘。

“了解你所寻找的东西在数据挖掘中至关重要,”该项目负责人PD Harald Oberhofer博士说。“在我们的例子中,它是导电性。例如,高导电性可确保当太阳光激发分子时,大量电流在光伏电池中流动。”

算法识别关键参数

使用他的算法,他可以搜索非常具体的物理参数:例如,一个重要的参数是“耦合参数”。它越大,电子从一个分子移动到下一个分子的速度越快。

另一个参数是“重组能量”:它定义了分子在电荷转移后使其结构适应新电荷的成本 - 所需能量越少,电导率越好。

研究小组使用算法分析了64,000种有机化合物的结构数据,并将它们分组成簇。结果:碳基分子骨架和“官能团”,即横向连接到中心骨架的化合物,都决定性地影响电导率。

使用人工智能识别分子

集群突出了促进有利电荷传输的结构框架和功能组,使其特别适合电子元件的开发。

“我们现在可以使用它来预测分子的性质,但是使用人工智能我们也可以设计新的化合物,其中结构框架和官能团都具有非常好的导电性,”Reuter解释说。

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢

最新文章