生產由硅制成的傳統太陽能電池是非常耗能的。最重要的是，它們僵硬而脆弱。另一方面，有機半導體材料是柔性和輕質的。如果只有它們的效率和穩定性與傳統細胞相當，它們將是一種很有前景的替代品。

慕尼黑工業大學理論化學教授KarstenReuter與他的團隊一起，正在尋找用于光伏應用，以及顯示器和發光二極管-OLED的新型物質。研究人員將目光瞄準了建立在碳原子框架上的有機化合物。

未來電子產品的競爭者

取決于它們的結構和組成，這些分子和由它們形成的材料顯示出各種各樣的物理性質，為未來的電子學提供了許多有希望的候選物。

“到目前為止，一個主要問題一直是追蹤它們：在實驗室中合成，測試和優化新材料需要數周到數月的時間，”路透社說。“使用計算篩選，我們可以極大地加速這一過程。”

計算機而不是試管

研究人員既不需要試管也不需要本生燃燒器來尋找有前途的有機半導體。他和他的團隊使用功能強大的計算機分析現有數據庫。這種關系和模式的虛擬搜索稱為數據挖掘。

“了解你所尋找的東西在數據挖掘中至關重要，”該項目負責人PDHaraldOberhofer博士說。“在我們的例子中，它是導電性。例如，高導電性可確保當太陽光激發分子時，大量電流在光伏電池中流動。”

算法識別關鍵參數

使用他的算法，他可以搜索非常具體的物理參數：例如，一個重要的參數是“耦合參數”。它越大，電子從一個分子移動到下一個分子的速度越快。

另一個參數是“重組能量”：它定義了分子在電荷轉移后使其結構適應新電荷的成本-所需的能量越少，電導率越好。

研究小組使用算法分析了64,000種有機化合物的結構數據，并將它們分組成簇。結果：碳基分子骨架和“官能團”，即橫向連接到中心骨架的化合物，都決定性地影響電導率。

使用人工智能識別分子

集群突出了促進有利電荷傳輸的結構框架和功能組，使其特別適合電子元件的開發。

“我們現在可以使用它來預測分子的性質，但是使用人工智能我們也可以設計新的化合物，其中結構框架和官能團都具有非常好的導電性，”Reuter解釋說。