Redian新闻
>
Npj Comput. Mater.: 单线态裂变设计规则探索,机器学习来助力

Npj Comput. Mater.: 单线态裂变设计规则探索,机器学习来助力

公众号新闻

海归学者发起的公益学术平台

分享信息,整合资源

交流学术,偶尔风月

探寻可代替化石能源的环境友好型再生能源研究,已成为全球热点。由于太阳能具有易获取、可高输出而受到广泛关注。不同太阳能电池将太阳的光能转换成电能的效率是不同的,但所有太阳能电池都不可能将全部太阳能转换为电能,存在一个转换效率理论极限,即肖克利-奎伊瑟(Shockley-Queisser, SQ)极限。对于任何类型的单结太阳能电池,SQ极限为33%。近年来运用单重态裂变 (SF)的多激子生成技术,有望使太阳能电池的功率转换效率不再受单结电池SQ极限限制。但单重态裂变需要化合物满足一定的能量条件,而化合物的电子结构是影响其性能的重要因素。运用机器学习研究靛蓝衍生物电子结构与单线态裂变的关系,挖掘其单线态裂变设计规则,对设计单重态裂变靛蓝衍生物具有重要意义。


来自日本中央大学的Fabian Weber和日本分子科学研究所的Hirotoshi Mori的研究团队,受电子结构理论与单线态裂变能量条件之间关系的启发,运用机器学习和量子化学方法,确定了靛蓝衍生物单线态裂变结构设计规则,并推断出基于波函数的规则。他们提出了三步分析方法,首先从满足能量条件的2,2'-二乙烯基靛蓝衍生物候选化合物中获取结构信息,在此基础上建立了随机森林分类器,再以此区分靛蓝衍生物是否为单重态裂变光伏器件候选物。作者分析发现,靠近分子中心部分(自旋密度聚集区域)的自旋密度的局部变化对设计单重态裂变靛蓝分子起着关键作用。另外,2,2'-碳原子上的电荷的局部变化也是重要影响因素。该研究除了揭示单重态裂变的能量条件、双自由基特征与分子中心区域的电荷和三重态自旋密度之间的关系外,还解释了如何预筛选一组在十个残基位置具有不同取代基的靛蓝衍生物,用来选择2,2'-二乙烯基靛蓝的化学空间,提供了超过400万个2,2'-二乙烯基靛蓝衍生物的激发态能量计算值,并将所需的结构模体转化为基于波函数的设计规则。作者的研究工作为设计单重态裂变靛蓝核心结构提供了理论指导。


该文近期发表于npj Computational Materials 8:176 (2022)英文标题与摘要如下,点击左下角“阅读原文”可以自由获取论文PDF。


Machine-learning assisted design principle search for singlet fission: an example study of cibalackrot


Fabian Weber & Hirotoshi Mori


This work uses quantum chemistry calculations and machine learning to explore design rules for singlet fission in a chemical space of four million indigoid derivatives. We identify ~400,000 derivatives of 2,2′-diethenyl cibalackrot, which theoretically fulfil the energy conditions for exoergic singlet fission above the silicon band gap energy. Probing this database with a random forest classifier, we observe that small substituents with positive mesomeric effects and weak negative inductive effects reinforce the desired energetic conditions when placed at specific positions. Finally, a subset of molecules that reflects the random forest classifier’s rules are investigated for their quantum chemical properties to translate the desirable structural motifs into wavefunction-based design rules. Here, direct correlations between the energetic condition for singlet fission, the biradical character and the charge and triplet spin density in prominent molecular regions are identified, providing insights that may serve as a guide for singlet fission core structure development.

扩展阅读

 
Npj Comput. Mater.: 绘制晶体取向:一种机器学习的新方法
周志华NSR文章:开放环境机器学习(Open ML)
Npj Comput. Mater.: 超低晶格热导率材料—机器学习加速寻找
npj: 高熵合金—畸变与相变的准确计算
本文系网易新闻·网易号“各有态度”特色内容
媒体转载联系授权请看下方

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
自然语言处理 · 机器学习 · 深度学习Npj Comput. Mater.: 什么样的二维铁磁材料能在更高温度下依然保持铁磁性?Npj Comput. Mater.: 有机-无机钙钛矿材料—降解机制深度解读 | 机器学习和深度学习的区别到底是什么?加拿大远程实习来袭!买方intern岗位已开放Npj Comput. Mater.: 深度学习预测多种电极材料电压Npj Comput. Mater.: 材料计算精度控制的关键—跨不同程序和方法大英博物馆, 与港台青年的“晚会”,1986伦敦穷游记(2)无需账号,免费在GPU上跑机器学习模型Npj Comput. Mater.: 小涂层大作用—铁电负电容场效应晶体管博士后申请 | 西湖大学张岳课题组招收基础自然语言处理、机器翻译、机器学习等方向的博士后Npj Comput. Mater.: 金属体系微观结构—建模与仿真综述美国最大矿企之一 Compute North 申请破产,至少 200 名债权人受影响,加密矿业是否迎来大洗牌?南洋理工计算机视觉科研项目招生(仅限机器学习,深度学习,AI,迁移学习方向)Npj Comput. Mater.: 超晶格内层中的铁磁性,你测到过吗?精选SDE岗位 | TripActions、Cambly Inc.、Sigma Computing发布最新岗位!小扎在元宇宙「长腿」的秘密:加装硬件不靠谱,机器学习才是银弹!Npj Comput. Mater.: 通过构造(001)氧化物超晶格衍生的拓扑态Npj Comput. Mater.: 明察秋毫、分辩入微Npj Comput. Mater.: 材料定律—识别与发现的新方法台故宫文物想疏散给八国联军吗Npj Comput. Mater.: 超快斯格明子的光激发:微观机制Npj Comput. Mater.: 高熵合金催化剂—吸附能的线性关系IBM:如何进行智慧城市顶层设计规划老电影《绿里奇迹》:感动与震撼木愉:水影小说的范式Npj Comput. Mater.: 与材料科学的碰撞:深度学习的近况Npj Comput. Mater.:神奇的精准控温材料—谁把热量带走了NAACL22 | 引入多模态对比学习来增强句子特征学习Npj Comput. Mater.: 拓扑图形序参量世界卒中日 | 管好“头”等大事,波科创新“神器”来助力Npj Comput. Mater.:高熵化合物—氧空位的元素组成调控Npj Comput. Mater.: 二维材料量子点缺陷—建了数据库那年暑假,我在农场里度过Npj Comput. Mater.: 高温合金—反向晶界能计算
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。