유기 태양전지를 위한 공액 중합체의 컴퓨터 지원 스크리닝: 랜덤 포레스트를 이용한 분류

다양한 화학 구조 덕분에 벌크 헤테로접합 프레임워크를 갖는 유기 광전지(OPV) 응용은 지난 20년간 크게 발전하여, 향상된 광전 변환 효율(PCE)을 나타내는 수많은 유기 반도체가 만들어졌습니다. 재료 인포매틱스와 데이터 과학의 최근 빠른 진전에도 불구하고, OPV 재료의 데이터 기반 분자 설계는 여전히 도전적입니다. 우리는 감독 학습 방법(인공 신경망(ANN)과 랜덤 포레스트(RF))을 이용해 중합체-풀러렌 OPV 응용을 위한 공액 분자의 스크리닝을 보고합니다. PCE, 분자량, 전자적 특성 등 약 1000개의 실험적 매개변수를 문헌에서 수작업으로 수집하여 디지털화된 화학 구조와 함께 머신러닝에 적용했습니다. ANN에서는 낮은 상관 계수가 나타난 반면, RF는 무작위 분류의 두 배에 달하는 허용 가능한 정확도를 보였습니다. 우리는 RF 스크리닝을 활용해 공액 중합체의 설계, 합성 및 특성 분석을 수행함으로써 광전자재료의 신속한 개발을 촉진하는 방법을 시연합니다.