为了以更加低廉的方式将太阳能转化为电能，近年来有机太阳能电池引起了广泛关注，且已实现了超过17％的光电转换效率。然而，现阶段开发高性能有机太阳能电池材料主要基于传统的试错方法，即需要经过分子设计、有机合成、器件制造及优化的不断循环。这是一个漫长的过程，且需要大量的资源投入，如时间、能源、材料、设备和人力。因此，在过去的数十年间有机太阳能电池的发展一直都很缓慢。实际上，定量构效（QSAR / QSPR）可以为材料开发提供补充替代方案。定量构效是一种计算方法，旨在建立化学或生物材料与其活性/性质之间的关系。与传统方法不同的是，定量构效方法能够通过对大数据进行学习将最终结果与输入相关联，而无需中间的过程或逻辑。因此，尽管太阳能电池性能取决于若干因素，例如受体材料、膜的形态、界面修饰和加工方式，但通过定量构效方法可以直接建立起有机太阳能电池给体材料的化学结构与电池光电转换效率之间的关系。

图1 卷积神经网络（CNN）的结构

    重庆大学能源与动力工程学院孙宽研究员和经管学院李勇教授团队采用深度学习方法作为快速评估有机太阳能电池给体材料的全新手段。该深度学习模型允许直接使用化学结构的图片作为输入，具有出色的非线性分析能力，并且对计算能力的要求较低。作者发现，深度学习模型可以自动检测并提取图片中的特征，如元素、化学键、基团以及它们所处的位置等信息，并通过对这些特征进行学习从而建立起化学结构与光电转换效率之间的关系。相较于其他机器学习方法，使用深度学习可以减少人工筛选特征、进行特征信息转换的步骤，因此更加快速简便。在利用哈佛清洁能源项目的数据库训练模型后，能够基于有机太阳能电池给体材料的化学结构预测光伏性能（光电转换效率）。使用模型对一个含有5000个分子的验证集进行二分类性能预测，预测的准确率可达到91.02％。该研究表明，深度学习可有效地建立起材料结构与器件性能之间的关系，因此在新材料设计和清洁能源开发方面具有巨大潜力。

图2 Advanced Theory and Simulations, Volume 2, Issue 1封面图

        该成果近期以封面文章发表在Advanced Theory and Simulations期刊。Advanced Theory and Simulations 是Wiley出版社于2018年1月发行的全新的跨学科理论模拟期刊，属于Advanced Materials系列期刊。该期刊旨在发表在自然科学领域，与理论方法、建模和仿真方法的开发和应用相关的工作，为材料科学与自然科学的基础理论层面研究提供了一个新的平台。项目得到了国家自然科学基金委、重庆市科委、重庆大学以及低品位能源利用技术及系统教育部重点实验室的基金支持。重庆大学能源与动力工程学院硕士生孙文博为论文第一作者，能动学院孙宽研究员与经管学院李勇教授为共同通讯作者。

    全文链接（可免费下载）：https://onlinelibrary.wiley.com/doi/10.1002/adts.201970001