展會信息港展會大全

科學家開發(fā)AI閉環(huán)自動化工作流程,為材料逆向設計提供強大工具,部分材料認證效率達25.9%
來源:互聯(lián)網(wǎng)   發(fā)布日期:2025-01-05 10:48:35   瀏覽:258次  

導讀:來自河南省焦作市武陟縣北郭鄉(xiāng)的武建昌,走出了一條科研逆襲之路。從本科就讀于南陽師范學院,到碩士和博士先后畢業(yè)于中國科技大學和北京大學,再到在 Science 主刊發(fā)表一作論文,這是一條少有人走過的成功之路。而在不久的將來,他也將回國尋找教職。圖 | 武建昌(來源:武建昌)AI 驅動材料閉環(huán)設計那么,這篇頂刊論文涉及了什么成果?具體來說,他研發(fā)出一種高通量閉環(huán)工作 ......

來自河南省焦作市武陟縣北郭鄉(xiāng)的武建昌,走出了一條科研逆襲之路。從本科就讀于南陽師范學院,到碩士和博士先后畢業(yè)于中國科技大學和北京大學,再到在 Science 主刊發(fā)表一作論文,這是一條少有人走過的成功之路。而在不久的將來,他也將回國尋找教職。

科學家開發(fā)AI閉環(huán)自動化工作流程,為材料逆向設計提供強大工具,部分材料認證效率達25.9%

圖 | 武建昌(來源:武建昌)

AI 驅動材料閉環(huán)設計

那么,這篇頂刊論文涉及了什么成果?

具體來說,他研發(fā)出一種高通量閉環(huán)工作流程,發(fā)現(xiàn)了分子結構與性能之間的規(guī)律,提出了新的分子分類與設計規(guī)則,最終實現(xiàn)了高性能材料的開發(fā)。

首先,他開發(fā)出一套結合高通量有機半導體合成和貝葉斯優(yōu)化的閉環(huán)工作流程,能夠快速生成實驗數(shù)據(jù)并通過機器學習進行預測,從而實現(xiàn)對于分子結構的逆向設計。這套流程顯著提高了材料發(fā)現(xiàn)效率,為稀缺數(shù)據(jù)領域提供了可行的解決方案。

其次,他通過訓練機器學習模型并提取特征重要性,發(fā)現(xiàn)了一些關鍵的分子描述符(如 HOMO 能級、HOMO/LUMO 能隙、三級胺基團等)對器件性能有決定性影響。例如,最高占據(jù)分子軌道能級(HOMO,Highest Occupied Molecular Orbital)對電荷提取效率至關重要,而三級胺(尤其是三苯胺結構)由于其較低的電離勢,對提升分子的空穴傳輸性能起到重要作用。

再次,他根據(jù)三苯胺基團的位置對分子進行了分類,明確了不同類型分子的 HOMO 能級范圍及其與光伏效率的關系。這一分類和規(guī)律能夠顯著縮小候選分子的篩選范圍,從原始的 100 萬種候選分子減少到數(shù)百種具有高潛力的分子。為了幫助人們快速篩選分子,他引入了拓撲極性表面積(TPSA,Total Polar Surface Area)作為分子極性和電子吸引能力的粗略指標,并利用公開數(shù)據(jù)庫(如 PubChem)進行快速查詢;谶@一方法,他篩選出 TPSA 值適中的分子,以保證它們在鈣鈦礦界面具有良好的鈍化和電荷傳輸特性。

最后,他對候選分子的邊緣基團(B 位)進行了細化調整。例如,通過調整對苯二甲酸(TPA,Terephthalic acid)衍生物與 5 種不同 B 位基團的組合(如對稱性略弱的 A770 基團),顯著優(yōu)化了分子的取向、鈍化效果和電荷傳輸性能,進一步將分子數(shù)量從數(shù)百種縮減至數(shù)十種。

利用這一精細的分類和篩選過程,能夠從近百萬的候選分子中高效地篩選出少量具有高潛力的分子,并最終通過高通量合成驗證其性能。通過這一策略,不僅提升了分子篩選的效率,還為分子設計提供了可操作的指導規(guī)則,為下一步的材料開發(fā)奠定了堅實基礎。

基于上述流程和規(guī)律,他設計并合成了一系列新型空穴傳輸材料,其中一部分材料在鈣鈦礦太陽能電池中的認證效率達到 25.9%。

總的來說,通過本次研究他不僅開發(fā)了高效的材料發(fā)現(xiàn)工具,還為分子設計提供了可解釋的科學依據(jù),這些成果將對有機光電材料的開發(fā)產(chǎn)生重要影響。

審稿人指出,該研究的意義已遠遠超越具體問題領域,對材料發(fā)現(xiàn)和優(yōu)化具有廣泛的啟發(fā)性。

若干年內,以下具體領域可能會受益于這一成果:

其一,高效鈣鈦礦太陽能電池的開發(fā)。通過分子分類方法和設計規(guī)則,研究人員可以快速篩選和優(yōu)化新型空穴傳輸材料,進一步提高鈣鈦礦太陽能電池的效率和穩(wěn)定性。這一方法已經(jīng)展示了其在實現(xiàn)高達 26.2% 功率轉換效率的潛力,有望在 3 至 5 年內推動鈣鈦礦電池的商業(yè)化進程。

其二,定制化光電材料。這種機器學習和實驗結合的閉環(huán)設計方法,能夠快速生成針對特定設備需求的分子設計規(guī)則。這一方法可以推廣到其他光電材料領域,例如有機太陽能電池、發(fā)光二極管、光電探測器和有機晶體管等,從而為下一代高性能光電子器件奠定基礎。

其三,個性化材料數(shù)據(jù)庫的構建。在未來 10 年內,利用本次工作流程可以逐步建立針對不同應用場景的大型材料數(shù)據(jù)庫。這些數(shù)據(jù)庫不僅可以服務于研究人員,還可以為工業(yè)界提供可靠的數(shù)據(jù)支持,推動人工智能驅動的材料研發(fā)從實驗室走向實際生產(chǎn)。

科學家開發(fā)AI閉環(huán)自動化工作流程,為材料逆向設計提供強大工具,部分材料認證效率達25.9%

(來源:Science)

思維習慣帶來的意外收獲

而這一課題的開展要從 2020 年說起,當時武建昌即將博士畢業(yè)。那時,他與目前的博士后導師取得聯(lián)系。該導師的團隊當時專注于高通量器件制備及其自動化表征,尤其是通過機器學習預測器件穩(wěn)定性。

然而,這種方法更多是加速制備工藝,對新材料的發(fā)現(xiàn)助力有限,而新材料的發(fā)現(xiàn)是實現(xiàn)材料閉環(huán)設計的關鍵。鑒于武建昌的有機合成背景,他和博后導師確定了本次研究第一個目標實現(xiàn)高通量有機合成。

高通量合成是本次研究的第一大難點。傳統(tǒng)有機合成需要大量的手工步驟和時間,而如何將這些過程高效化、自動化是一個全新的挑戰(zhàn)。

在調研過程中,該團隊排除了部分應用有限的方法(如不溶聚合物)和分子庫受限的方法。通過借鑒實驗室機器人篩選溶劑的理念,開發(fā)了一套結合理論計算的數(shù)據(jù)驅動高通量合成方案,成功實現(xiàn)了高通量化合成。

合成大量分子后,課題組面臨選擇何種器件結構和制備工藝的問題。在兩種鈣鈦礦器件結構(n-i-p 和 p-i-n)中,p-i-n 結構對分子材料影響更大,能夠直接調控鈣鈦礦晶體生長,因此他們選定這一結構進行器件研究。

得到初步器件數(shù)據(jù)后,他們與德國卡爾斯魯厄理工學院的機器學習專家合作,通過訓練機器學習模型來分析結構-性能關系。

模型的反饋不斷引導他們合成新材料,借此實現(xiàn)了從候選分子到目標分子的迭代優(yōu)化,最終提煉出分子分類和設計規(guī)則,從而得以顯著縮小篩選范圍,最終達成研究目標。

科學家開發(fā)AI閉環(huán)自動化工作流程,為材料逆向設計提供強大工具,部分材料認證效率達25.9%

(來源:Science)

在研究過程中,有一件事情讓武建昌至今記憶猶新。第一次高通量合成出 54 種材料時,武建昌非常興奮。但是,當天器件制備的手套箱已經(jīng)約滿了,武建昌就等到晚上 11 點沒人的時候過去。

光吸收層(鈣鈦礦)需要在這些分子上制備,這需要分子居于良好的浸潤性。然而實驗開始后,武建昌發(fā)現(xiàn)鈣鈦礦溶液完全不浸潤分子表面。連續(xù)測試了幾個材料,依然如此。

起初他懷疑材料不行,但根據(jù)他的經(jīng)驗這些分子結構雖然浸潤性稍差,卻不至于完全失效。隨后,武建昌反思實驗設計,懷疑是溶液配制所用的塑料離心管問題。加熱攪拌過程中,可能有塑料成分溶解到溶液中,破壞了樣品性能。

第二天,武建昌更換玻璃器皿重新實驗,驗證了這一推測。這些分子不僅浸潤性良好,甚至優(yōu)于一些主流空穴傳輸材料。

這次經(jīng)歷讓武建昌深刻體會到,作為有機合成研究背景的科研人士,他不會首先懷疑材料不行,而是懷疑這個工藝是否和材料兼容,F(xiàn)在來看,這種思維習慣有時會帶來意外收獲。

最終,相關論文以《逆向設計工作流程發(fā)現(xiàn)適合鈣鈦礦太陽能電池的孔傳輸材料》(Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells)為題發(fā)在 Science[1]。

武建昌是第一作者,韓國蔚山科學技術院 Sang Il Seok、德國卡爾斯魯厄理工學院帕斯卡爾弗里德里希(Pascal Friederich)教授、德國紐倫堡亥姆霍茲可再生能源研究所克里斯托弗布拉貝克(Christoph J. Brabec)教授擔任共同通訊作者。

科學家開發(fā)AI閉環(huán)自動化工作流程,為材料逆向設計提供強大工具,部分材料認證效率達25.9%

圖 | 相關論文(來源:Science)

盡管本次研究取得了理想的成果,但仍有許多值得進一步探索和優(yōu)化的方向。當前的高通量平臺已經(jīng)可以應對中等規(guī)模的分子庫篩選,但在速度和規(guī)模上還有提升空間。

未來,該團隊計劃開發(fā)更加高效的自動化合成和純化系統(tǒng),以應對更大分子庫的需求,拓展至其他領域如催化劑和有機發(fā)光材料。

隨著研究的深入,課題組計劃進一步提高機器學習在整個流程中的參與度,例構建更加全面的數(shù)據(jù)庫、自動規(guī)劃反應路徑以及制定器件工藝方案,進一步優(yōu)化材料篩選流程。

另據(jù)悉,本次方法不僅適用于鈣鈦礦太陽能電池,還可以推廣到有機發(fā)光二極管、有機場效應晶體管等其他光電器件領域,為其提供高效的分子設計與優(yōu)化策略。

最終,武建昌希望構建一個完全自動化的閉環(huán)設計系統(tǒng),從分子設計、合成、測試到優(yōu)化都無需人工干預,從而實現(xiàn)材料研發(fā)效率的飛躍。

參考資料:

1.Wu, J., Torresi, L., Hu, M., Reiser, P., Zhang, J., Rocha-Ortiz, J. S., ... & Brabec, C. J. (2024). Inverse design workflow discovers hole-transport materials tailored for perovskite solar cells. Science, 386(6727), 1256-1264.

排版:劉雅坤

贊助本站

相關內容
AiLab云推薦
展開

熱門欄目HotCates

Copyright © 2010-2025 AiLab Team. 人工智能實驗室 版權所有    關于我們 | 聯(lián)系我們 | 廣告服務 | 公司動態(tài) | 免責聲明 | 隱私條款 | 工作機會 | 展會港