精确且可扩展的图深度学习方法,用于加速高潜力有机光伏材料的预测性识别
《Chemical Engineering Journal》:Accurate and expandable graph deep learning for accelerating predictive identification of high-potential organic photovoltaics
【字体:
大
中
小
】
时间:2026年04月04日
来源:Chemical Engineering Journal 13.2
编辑推荐:
有机光伏电池高效材料开发新方法,基于D-MPNN图神经网络框架整合DFT电子特性和分子力学结构参数,实现功率转换效率预测相关系数达0.93,准确率1.17%,并成功筛选出4904个新型高效三元系统。
张传勇|吴宜玲|黄玉晨|柯志正|蔡慧修
台湾中央大学化学系,桃园市中区中大路300号,32001
摘要
有机光伏(OPVs)是一项领先的可再生能源技术,然而,高性能非富勒烯受体(NFAs)的发现常常受到化学空间庞大性和复杂融合环体系合成成本的阻碍。在这项研究中,我们开发了一个基于有向消息传递神经网络(D-MPNN)的强大、基于物理原理的图深度学习框架,以加速高潜力OPVs的预测识别。通过将分子表示为富含可计算描述符的片段级图——包括基于密度泛函理论(DFT)得到的前沿轨道能量和分子力学计算的结构参数——我们的模型实现了出色的预测准确性,在10折交叉验证下获得了0.93的皮尔逊相关系数(r)和0.89%的平均绝对误差(MAE)。该模型的能力通过一个时间“盲”测试得到了严格验证,该测试针对42种新报告的NFA三元OPV器件(在模型训练后发表),即使对于包含新型分子片段的系统,它也保持了高预测准确性(MAE = 1.17%)。利用这一框架,我们对大约3.34亿个三元组合进行了高通量虚拟筛选(HTVS),识别出4904种新型系统,其预测的功率转换效率(PCE)超过了训练数据集的上限19.36%。此外,片段级Z分数分析确定了关键的结构特征,如特定的非融合刚性核心以及“无间隔”架构的优势,为实验开发提供了可行的设计规则。这个准确且可扩展的框架为高潜力三元OPVs的预测识别提供了一个强大的平台。
引言
有机光伏(OPVs)是一种领先的可再生能源技术,因其轻量化特性、灵活性以及低成本、大规模生产的潜力而受到重视[1]。最近的进展已将功率转换效率(PCE)推向并超过了20%,使OPVs成为传统技术的有力竞争者[2],[3]。现代OPVs已转向使用融合共轭核心的非富勒烯受体(NFAs)[4]。这些架构增强了骨架的刚性和平面性,这对于优化分子间的π堆叠和电荷传输至关重要[4],[5]。然而,这些框架的劳动密集型、多步骤合成过程阻碍了其大规模工业应用。这一挑战还因供体-受体组合的庞大且未探索的化学空间而加剧。传统的试错方法过于缓慢且成本高昂,无法有效应对这一挑战,因此需要加速发现方法以实现重大突破。
为了缓解资源密集型的实验瓶颈,在合成之前开发出识别最优OPV系统的有效策略至关重要。机器学习(ML)和深度学习(DL)模型已成为这方面的关键工具,它们利用经过验证的数据集可靠地预测PCE[6],[7]。这些模型的成功取决于选择和设计与DL架构兼容的分子描述符[8],[9]。这样的描述符能够实现对广泛化学空间的高通量虚拟筛选(HTVS),加速高潜力OPVs的识别。用于三元OPVs的ML模型在准确性和范围上有所不同,许多研究将实验确定的分子轨道(FMO)能量水平——HOMO和LUMO——与器件性能相关联[10],[11]。之前的ML模型依赖于实验确定的FMO值[10],[11],成功预测了三元系统中的D:A:T组合的器件效率[6],[12],并探索了比现有实验数据集大近2000倍的潜在化学空间[6]。通过将实验能量水平与结构特征或聚合物表示相结合,这些框架提出了新型的高效率候选者[13]。然而,这些模型对实验测量的FMO值的依赖性限制了它们对新材料的从头设计及筛选能力,凸显了开发可计算分子描述符的迫切需求,以便在以前未探索的化学空间中进行预测性探索。
最近的研究表明,基于DFT计算的电子属性能够有效捕捉激子动力学和电荷传输的物理本质。例如,Sahu等人[14]发现,诸如电离势和FMOs之间的能量差异等微观属性是关键描述符,在PCE预测中实现了0.79的皮尔逊相关系数。他们后续的工作[15]将这种方法扩展到了对超过10,000个分子的高通量虚拟筛选(HTVS),识别出关键的设计规则,如特定构建块排列以优化激子解离。同样,Padula等人[16]验证了将DFT计算的电子特征与结构指标结合使用可以提高模型预测性至约0.7的r值,强调了在严格材料发现中电子对齐参数的必要性。Zhao等人的进一步分析[17]指出,虽然结构拓扑是ML模型的主要贡献因素,但光吸收和混合性质等物理描述符对于在新化学空间中保持准确性仍然至关重要。通过利用这些计算出的描述符,我们的框架[6]实现了完全基于计算机的HTVS过程,可以从如哈佛清洁能源项目(CEPDB)这样的大型数据库中识别出有前景的候选者。这种策略允许探索实验上无法触及的潜在化学空间。
为了实现更大规模的HTVS,一些模型使用快速计算的分子指纹作为昂贵电子描述符的替代方案。Ko、Kim及其同事使用功能团片段和结构信息预测OPVs的PCE时获得了0.86的高相关系数(r)[18],而Xiong等人使用具有639个特征的随机森林(RF)模型获得了0.71的r值[19]。然而,这些方法受到预定义库的限制,限制了它们对新化学空间的泛化能力或筛选训练集中不存在的新设计分子的能力。Althagafi等人[20]和Wang等人[21]的最新努力进一步证明了ML在预测光谱特性和偶极矩方面的有效性,但将预测范围扩展到完全从头设计的结构仍是一个基本挑战。
我们提出了一个准确且可扩展的基于图的深度学习框架,以加速合成前高潜力OPVs的预测识别。我们的方法将供体和受体分子表示为图,其中芳香片段作为顶点,赋予DFT计算的FMO能量,化学键作为边,编码有分子力学衍生的结构特征。利用有向消息传递神经网络(D-MPNN)[22],我们对由虚拟重组的末端、π间隔和核心团构建的118,800个三元组合进行了HTVS。整个工作流程如图1所示,遵循系统化的流程:(1)三元OPV数据库构建;(2)将分子分解为模块化片段并计算其电子和结构描述符;(3)训练D-MPNN模型;(4)进行独立测试以评估DL模型的准确性;(5)进行HTVS以识别具有新设计的T的有前景的D:A:T组合。
部分片段
训练数据集
我们收集了截至2023年8月的163个非富勒烯(NF)D:A:T三元OPV器件的数据集。每个数据集条目包括D、A和T的分子名称以及在1太阳AM 1.5 G光照下的光伏参数(见补充信息,表S1)。收集的数据用于DL训练的PCE值分布如图2所示。数据集的PCE值范围从约7.7%到约19.36%,涵盖了广泛的器件性能。最常见的PCE值位于
DL/ML模型性能
为了预测在AM 1.5 G光照下NFA三元OPV的PCE值,我们使用了三种算法开发了DL和ML模型:D-MPNN、人工神经网络(ANN)和极端梯度提升(XGBoost)。其中,D-MPNN和ANN是基于神经网络的模型,而XGBoost采用基于决策树的集成学习方法。每个模型训练了10次,每次训练都使用10折交叉验证(CV)进行评估,以确保模型的稳健性和无偏见性能。
结论
我们展示了一个高度准确且可扩展的D-MPNN框架,用于预测高潜力三元OPVs。通过使用可计算的片段级电子和结构描述符,我们的方法超越了依赖实验数据或高成本全分子计算的模型的局限性,实现了对从头设计分子的大规模HTVS。该框架的稳健性通过多实验室独立测试集得到了验证,其中
CRediT作者贡献声明
张传勇:撰写——原始草稿、验证、方法论、调查、正式分析、数据管理。吴宜玲:撰写——原始草稿、可视化、数据管理。黄玉晨:验证、数据管理。柯志正:可视化、验证、概念化。蔡慧修:撰写——审阅与编辑、撰写——原始草稿、可视化、资源管理、项目协调、方法论、调查、资金获取、正式分析、概念化。
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。
致谢
我们感谢台湾科技部(授权号:NSTC 114-2113-M-008-006)提供的财务支持,以及国家高性能计算中心(NCHC)提供的计算和存储资源。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号