科学家借助主动式机器学习技术来改进光伏面板

2021年05月04日 16:10 次阅读 稿源:cnBeta.COM 条评论

德国慕尼黑大学与柏林弗里茨·哈伯研究所的科学家们,已经找到了一条依靠主动式机器学习(AML)技术,来持续改进光伏面板的新方法。传统意义上的学习,无非是借鉴以往的经验。即便需要应对新的情况,AI 也相当依赖于此前已经处理过的大致相似状况。不过本文介绍的主动式学习技术,似乎已经开辟出了一个几乎无限的可能。

1.png

研究配图 - 1:在几乎不受限制的空间中的 AML 新发现

在面向未来的便携式太阳能电池或可卷曲显示屏等研究领域,有机半导体研究人员在处理无数种可能的候选分子时,就面临着相当大的考验。

庆幸的是,在此类具有改进特性的有机分子的发现任务上,已经有越来越多人开始考虑借助机器学习(Machine Learning)的力量,通过来自计算机仿真或实验的数据而开展相关训练。

2.png

研究配图 - 2:有限 OSC 测试空间

然而具有这种可能的小有机分子数量,规模可能高达 10^33,使得我们几乎不可能实际生成足够的数据,来反映材料的多样性。

好消息是,弗里茨-哈伯研究所理论系负责人 Karsten Reuter 教授,刚刚在《自然通讯》(Nature Communications)期刊上发表了他们的新颖解决方案。

3.png

研究配图 - 3:有限测试空间的 AML 探索

主动式机器学习(AML)算法,并不依赖于从现有的数据中学习,而是通过不断地迭代,以确定实际上需要学习该问题的相关数据。

基于此,科学家们首先对几个较小的分子进行了模拟,以获得与分子电导率有关的数据(衡量太阳能电池材料的实用性的一个维度)。

4.png

研究配图 - 4:在几乎不受限的空间中的 AML 发现的基本原则

然后算法将决定这些分子的微小修饰是否可推导出实用的特征,或者因缺乏相似数据而不确定。在此情况下,系统都会自动请求新的模拟,通过生成新的数据来自我改进、考虑新分子,并不断重复此过程。

目前,科学家们已经展示了如何借此有效地识别出新的有前景的分子、同时算法仍在继续探索广阔的分子空间,结果是我们几乎每周都可梳理出新型分子结构,有助于让下一代太阳能电池的研发工作愈加轻松。

对文章打分

科学家借助主动式机器学习技术来改进光伏面板

1 (50%)
已有 条意见

    最新资讯

    加载中...

    今日最热

    加载中...

    热门评论

      Top 10

      招聘


      Advertisment ad adsense googles cpro.baidu.com
      created by ceallan