首页 >> 通知*新闻 >> 正文

我团队Ai4S初探论文上线发表！AI赋能空穴传输材料设计

我团队Ai4S初探论文上线发表！

祝贺闻健森、杨书文等同学！感谢团队通力合作，一起拥抱人工能智，赋能新材料新器件研发。

图文推文 https://mp.weixin.qq.com/s/plXHK3A1YW7NlKbRhkeorw

论文原文（https://www.oaepublish.com/articles/jmi.2024.102）

福州大学、福建江夏学院、宁德时代21C创新实验室最新研究论文

高性能小分子空穴传输材料的分子拼接、高通量筛选和机器学习加速发现

转载来源于 JMI原创 JMI编辑部材料信息学MaterialsInformatics 2025年05月08日 17:43

题目：

Accelerated Discovery of High-Performance Small-Molecule Hole Transport Materials via Molecular Splicing, High-Throughput Screening, and Machine Learning

作者：

Jiansen Wen, Shuwen Yang, Linqin Jiang*, Yudong Shi, Zhihan Huang, Ping Li, Hao Xiong, Ze Yu, Xushan Zhao, Bo Xu, Bo Wu*, Baisheng Sa*, Yu Qiu

DOI: 10.20517/jmi.2024.102

Citation: Wen, J.; Yang, S.; Jiang, L.; Shi, Y.; Huang, Z.; Li, P.; Xiong, H.; Yu, Z.; Zhao, X.; Xu, B.; Wu, B.; Sa, B.; Qiu, Y. Accelerated discovery of high-performance small-molecule hole transport materials via molecular splicing, high-throughput screening, and machine learning. J. Mater. Inf. 2025, 5, 30. http://dx.doi.org/10.20517/jmi.2024.102

导读

作为钙钛矿太阳能电池中的空穴传输材料，spiro-OMeTAD面临着空穴迁移率有限、生产成本高、合成条件苛刻等挑战。这些问题限制了钙钛矿太阳能电池的进一步发展，阻碍了其大规模商业应用。因此，亟需开发出兼具低成本、易于合成、性能优异的新型小分子空穴传输材料。本研究提出了一种整合了分子组装算法、高通量计算筛选和机器学习模型构建的设计开发流程，旨在加速高性能小分子空穴传输材料（SM-HTMs）的开发和应用。

正文

本研究提出了一种高效的SM-HTMs设计策略，该策略整合了分子组装算法、高通量计算筛选和机器学习模型构建。通过自主开发的分子拼接算法，首先生成了包含20万种潜在D-π-D分子的样本空间，进而构建了涵盖7000余种潜在SM-HTMs候选分子的综合数据库。结合高通量密度泛函理论（DFT）计算，从中筛选出6种新型高性能SM-HTM候选分子。基于高通量计算获得的分子结构与性能数据集，采用随机森林（RF）、梯度提升决策树（GBDT）和极限梯度提升（XGBoost）三种机器学习方法，构建了针对关键材料性能参数的预测模型，包括空穴复合能、溶剂化自由能、最大吸收波长以及疏水性等。结果表明，基于XGBoost算法构建的模型不仅所需训练时间最短，而且具有最佳的预测精度，展现出最优的综合性能。值得注意的是，本研究所训练的机器学习模型对不在训练数据集中的线性SM-HTMs同样表现出优异的预测能力。本研究通过将分子拼接算法与高通量计算筛选和机器学习相结合，为新型SM-HTMs的开发提供了一种快速、高效且经济的解决方案